我想确保我理解正确。首先，我是一名本科计算机工程专业的学生，我的硬件/电子工程经验远多于软件经验。这个夏天，我发现自己在使用一种使用单类SVM的聚类算法。SVM仅仅是用来分类/分离输入数据的数学模型吗？SVM在只有一个属性/变量的数据集上表现好吗？我猜后者是不会的，可能是因为单一属性的分类实际上是刻板印象。我猜测SVM在具有多个属性/变量的数据集上表现更好，这些属性/变量有助于分类。先谢谢了！

回答：

SVM试图构建一个超平面来分隔两个类别（据我所知，在单类SVM中，有一个类别用于“正常”实例，另一个类别用于“异常”实例）。只有一个属性时，你有一个一维空间，即一条线。因此，这里的超平面是一个在线上的点。如果两个类别的实例（这条线上的点）可以通过这个超平面点分开（即它们是线性可分的），那么是的，可以使用SVM。否则不行。

请注意，即使是具有多个属性的情况，SVM仍然可以用来分类即使是线性不可分的实例。在下一张图片中，二维空间中有两个类别（两个属性 – X和Y），一个用蓝色点标记，另一个用绿色点标记。

你无法画出一条线来分隔它们。然而，可以使用所谓的核技巧通过组合现有属性来产生更多的属性。有了更多的属性，你可以得到更高维的空间，在那里所有实例可以被分开（视频）。不幸的是，一个属性不能与自己组合，所以对于一维空间，核技巧不适用。

所以，对你的问题的回答是：只有当两个类别的实例本身是线性可分的，SVM才可以在只有一个属性的数据集上使用。