noeud SVM à classe unique

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 http://contrib.scikit-learn.org/imbalanced-learn/about.html¹.

L'onglet Python sur la palette de noeuds contient le noeud SVM à classe unique et d'autres noeuds Python.

Remarque : Le noeud SVM à classe unique est utilisé pour les valeurs extrêmes supervisées et la détection des nouveautés. Le plus souvent, nous recommandons l'utilisation d'un jeu 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." Statistics and Computing Archive, vol. 14, no. 3, August 2004, pp. 199-222. (http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.114.4288)