我们如何使用 decision_function(X) One-Class-SVM 计算异常分数答案

【问题标题】：How can we calculate anomaly score using decision_function(X) One-Class-SVM我们如何使用 decision_function(X) One-Class-SVM 计算异常分数
【发布时间】：2019-12-13 00:13:42
【问题描述】：

我想知道如何在我自己的数据集上使用 One-Class SVM 中的 decision_function(X) 计算异常分数。

我研究过this 的帖子，也看过this 的例子：

现在我想将我自己的数据集放在上面给出的示例中。我怎么可能。提前致谢。

【问题讨论】：

标签： python machine-learning scikit-learn svm

【解决方案1】：

决策函数输出越负，数据点越异常。

参考here:

到分离超平面的有符号距离。有符号距离对于内点为正，对于异常点为负。

【讨论】：

感谢尊敬的@ai_learning，如果我有以下参数 x=-45.67、y=-76.11 和 Distance=88.77，那么我该如何应用 decision_funcation(X) 来查找异常分数。能否请您详细说明一些代码。
对不起，我无法理解您的问题。你的输入数据是二维的吗？您可以添加一些可重现的 oneClassSVM 模型示例吗？
对不起，如果我不能解释我的问题。是的，我的数据是二维的，参数 x=-45.67, y=-76.11 和 distance=88.77 是我数据集的一行。我想计算异常分数。我需要帮助来计算除这些参数之外的异常分数以及使用决策函数（X）的python代码是什么