Ich verwende scikitlearn
für Svm-Klassifizierung.Standardwert in Svm Vorhersage Scikitlearn
Ich brauche einen Klassifikator, der den Standardwert zurückgibt, wenn ein gegebenes Testobjekt keinem der Trainingssatzelemente entspricht, d. H. Wenn der Abstand sehr hoch ist. Ist das möglich?
Für Beispiel
Lassen Sie uns meine sagen Training-Set
X= [[0.5,0.5,2],[4, 4,16],[16, 16,64]]
und Etiketten
y=[0,1,2]
dann laufe ich Training
clf = svm.SVC()
clf.fit(X, y)
dann laufe ich Vorhersage
clf.predict([-100,-100,-200])
Jetzt, da wir die Test-Artikel sehen [-100,-100,-200]
zu weit entfernt, die Vorhersage ergeben wird [2]
aus einem der Trainings Artikel, in diesem Fall ist die in diesem Artikel ist [16, 16,64]
, gibt es Wie auch immer, um etwas anderes zurückgeben zu können (nicht vom Training-Set)?
Zu breit und informell. Aber Sie fragen wahrscheinlich nach Ausreißer-Erkennung/Ein-Klasse-Svm auch in Sklearn zur Verfügung. – sascha
ja eigentlich muss ich nur sagen, ob das Item zu einem der Trainingssätze passt ODER nicht, mir sind die Werte egal, also zum Beispiel möchte ich 1 für Matched und -1 für Nicht Matched bekommen . –