如何在 R 中使用 ksvm 执行新颖性检测？

Question

我正在尝试使用 R 中的 kernlab 库（ksvm 函数）实现一个新奇检测器。这是我正在尝试做的一个简单示例：

# Training data
xxTrain <- matrix(rnorm(2000), nrow=1000, ncol=2, byrow=TRUE)
y <- rep(1,1000)
classifier <- ksvm(xxTrain, y, type="one-svc", kernel="rbfdot", kpar="automatic")
# Test data
x1 <- rnorm(1000)
scale <- c(rep(1,500), rep(10,100), rep(1,400))
x2 <- rnorm(1000)*scale
xxTest <- matrix(c(x1,x2), nrow=1000, ncol=2, byrow=TRUE)
# Prediction
p <- predict(classifier, xxTest, type="response")
# Visualization
plot(x2, type='l')
lines(x1, col="red")
points(5*as.integer(p), type='l', col="blue")

上图是我得到的结果。蓝色迹线是预测，它清楚地显示了其始终为 0 的周期。但它与黑色迹线中的异常值在时间或宽度上不匹配。有100个幅度较大的点（黑线），我得到的蓝色输出与黑线不匹配。

我做错了什么？

Answer 1

这是你做错的地方：

xxTest <- matrix(c(x1,x2), nrow=1000, ncol=2, byrow=TRUE)

这应该是

xxTest <- matrix(c(x1,x2), nrow=1000, ncol=2, byrow=F )

或更好

xxTest <- cbind( x1, x2 )

或者干脆

p <- predict( classifier, cbind( x1, x2 ), type= "response" )

结果（我用灰色表示 x2）：

解释：通过指定byrow=T，您首先使用 x1 的元素填充前 500 行（或者，第 1 列和第 2 列），然后使用 x2 填充 xxTest 的剩余 500 行。由于 x2 中的奇点约为 500 - 600，因此它在 xxTest 的两列中出现在 (500+500)/2 - (500+600)/2 左右，即 750-800，这就是你的可以看到。