Noeud SVM à classe unique (SPSS Modeler)

Retourner à la version anglaise de la documentation

Noeud SVM à classe unique

Dernière mise à jour : 04 oct. 2024

Noeud SVM à classe unique (SPSS Modeler)

Le noeud SVM à classe unique utilise un algorithme d'apprentissage non supervisé dédié principalement à la détection des nouveautés. Il détecte la limite douce d'un ensemble d'échantillons donné, pour ensuite classifier les nouveaux points comme appartenant à cet ensemble ou pas. Ce noeud de modélisation SVM à classe unique est mis en oeuvre dans Python et nécessite la bibliothèque Python scikit-learn.

Pour plus d'informations sur la bibliothèque scikit-learn, voir Support Vector Machines¹.

L'onglet Modeling sur la palette contient le noeud One-Class SVM et d'autres noeuds Python.

Remarque: la machine virtuelle de stockage à classe unique est utilisée pour la détection des valeurs extrêmes et des nouveautés. Le plus souvent, nous recommandons l'utilisation d'un ensemble de données "normal" connu pour la génération du modèle afin que l'algorithme puisse définir une limite correcte pour les échantillons donnés. Les paramètres du modèle, tels que nu, gamma et noyau, ont des répercussions importantes sur le résultat. Vous voudrez peut-être faire différents essais afin de trouver les paramètres optimaux adaptés à votre situation.

¹Smola, Schölkopf. "A Tutorial on Support Vector Regression." Statistiques et calcul des archives, vol. 14, no. 3, août 2004, pp. 199-222. (http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.114.4288)