最終更新日 2014年8月12日
|
基底関数Φ(x)とその重み w の内積 ＜w,Φ(x)＞で写像された特徴空間で 超平面 (＜w,Φ(x)＞ - ρ =0) が原点から最大の距離（マージン)を取る様に 最適な重み w とρ をνSVM法で計算します。 νSVMはマージン境界内でνの率で誤分類を許容します。 超平面 ρ の内外で周辺とそれ以外に分離します。 |
特徴空間へ写像するので多峰性がある分布でも、周辺とその他に区分できます
(出典)高畠泰斗、香田正人「１クラスSVMと近傍サポートによる領域判別」2006
One Class SVMで算出した最適特徴関数の3Dプロット図
中央の点から端の点へ特徴関数は湾曲している
＋の点での識別境界値ρで分離すると下図の識別ができます
ν=0.025 ガウシアンカーネル採用
正規乱数1000点のOne Class SVMで算出した3Dプロット図
特徴関数の湾曲がより明瞭になっている