我最近开始尝试使用Sklearn进行无监督学习的OneClassSVM，并按照这个例子进行操作。
我为这些简单的问题道歉，但我对两件事有些困惑：
-
我应该在常规示例案例和异常值上训练我的SVM，还是只在常规示例上进行训练？
-
OSVM预测的标签中，哪个代表异常值，是1还是-1？
再次为这些问题道歉，但我实在找不到任何相关的文档说明。
回答：
你所引用的这个例子是关于新奇检测的，文档中提到：
新奇检测：
训练数据中不包含异常值，我们感兴趣的是检测新观测中的异常情况。
这意味着：你应该只在常规示例上进行训练。
这种方法基于：
Schölkopf, Bernhard, et al. “Estimating the support of a high-dimensional distribution.” Neural computation 13.7 (2001): 1443-1471.
摘录如下：
假设你从一个基础概率分布P中获取了一些数据集，你希望估计输入空间的一个“简单”子集S，使得从P中抽取的测试点落在S之外的概率等于某个预先指定的介于0和1之间的值。
我们提出了一种方法，通过尝试估计一个在S上为正，在其补集上为负的函数f来解决这个问题。
上述文档还提到：
内部值被标记为1，而异常值被标记为-1。
这也可以在你的示例代码中看到，摘录如下：
# 生成一些常规的新观察X = 0.3 * np.random.randn(20, 2)X_test = np.r_[X + 2, X - 2]...# 所有常规值 = 内部值（如上所定义）y_pred_test = clf.predict(X_test) ...# -1 = 异常值 <-> 假定为内部值的错误n_error_test = y_pred_test[y_pred_test == -1].size 