Standardwert in Svm Vorhersage Scikitlearn

Question

Ich verwende scikitlearn für Svm-Klassifizierung.

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)?

Answer 1

Ich denke, Sie können ein Label für diese großen Werte erstellen und in Ihrem Trainingssatz hinzugefügt.

X= [[0.5,0.5,2],[4, 4,16],[16, 16,64],[-100,-100,200]] 
Y=[0,1,2,100] 

und versuchen Sie es.

Da SVM überwachtes Lernen ist, was bedeutet, dass die "AUSGABE" angegeben werden muss. Wenn Sie sich nicht sicher sind, was "OUTPUT" ist, machen Sie ein nicht überwachtes Clustering (zum Beispiel kmeans) und haben Sie eine ungefähre Vorstellung davon, wie viele mögliche "OUTPUT" Sie erwarten können.