如何在python中修改OneClassSVM中目标变量的标签答案

【问题标题】：How to modify the labels of the target variable in OneClassSVM in python如何在python中修改OneClassSVM中目标变量的标签
【发布时间】：2021-09-14 03:45:46
【问题描述】：

我知道在 OneClassSVM 中标签 -1 是异常值，而 1 是内联的。然后我明白零是边界。有没有办法让标签打印成 2 个，而不是总共 3 个？我想做的是，像其他模型一样集成 OneClassSVM 标签。例如，我发现其他模型标记为“0”和“1”。但是我用来运行模型的代码不适合 OneClassSVM 模型，因为它返回“-1”和“1”标签。

for item in y_pred:
    item.replace("-1","0")

我尝试将“-1”更改为“0”，但我确信这不是一个正确的解决方案。在不破坏标签值的情况下，最终只打印出两个标签是必要的。

【问题讨论】：

标签： python scikit-learn sklearn-pandas

【解决方案1】：

例如，您可以将值从 -1、1 更改为 0,1，以分别表示异常值和内部值的样本。这只是为了您的方便。这不会改变任何现实。

这种转换没有任何问题。但是，您应该小心如何解释结果。

更改标签：

如果 y_pred 是 list 或 numpy 数组：

y_pred = [-1, 1, -1]

y_pred_new = [0 if i==-1 else 1 for i in y_pred]

print(y_pred_new)
[0, 1, 0]

为什么这并不重要？

import numpy as np
from sklearn.svm import SVC

X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]])
y = np.array([1, 1, 2, 2])

clf = SVC(kernel='linear')
clf.fit(X, y)
print(clf.predict(X))
# array([1  1  2  2])

更改标签并重新调整

X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]])
y = np.array([-1, -1, 1, 1])

clf = SVC(kernel='linear')
clf.fit(X, y)
print(clf.predict(X))
# array([-1 -1  1  1])

正如您在这两种情况下看到的，前两个样本分别被分配了相同的标签。

【讨论】：

我知道如何简单地将输出数组中的值替换为其他值，但我想知道是否可以故意将 OneClassSVM 中输出的标签值更改为 -1 和 1。
我更新了我的答案。为方便起见，您可以更改标签并将其用于其他模型。
谢谢！我使用了其他模型，例如额外树模型或决策树模型。