一级分类

Question

我有 2500 多个样本进行了静态分析，每个样本提取了 300 多个特征。

在这些样本中，我区分了 10 多个APT类，我的目标是为每个类构建一个单类分类器。

我正在使用 python scikit 库进行机器学习，特别是我面临着一类 SVM。

第一个问题：这种方法还有其他一些好的单类分类器吗？

第二个问题：我必须提出一些可以定义分类器“准确性”的指标。 现在我知道对于一类 SVM 来说，准确度概念并不是那么明确。 我报告我的代码和我的概念：

import numpy as np
import pandas as pd
from sklearn import svm
from sklearn.model_selection import train_test_split


df = pd.read_csv('features_labeled_apt17.csv')

X = df.ix[:,1:341].values



X_train, X_test = train_test_split(X,test_size = 0.3,random_state = 42)



clf = svm.OneClassSVM(nu=0.1,kernel = "linear", gamma =0.1)
y_score = clf.fit(X_train)

pred = clf.predict(X_test)


print(pred)

这些代表代码的输出：

[ 1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1 
1  1   1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1 
1  1 -1   1  1  1  1  1  1  1  1  1  1  1  1  1 -1  1  1  1  1  1  1  1  1  1 -1  1   1  1  1  1  1  1  1 -1  1  1  1  1  1  1  1  1 -1  1  1  1
1 1  1  1  1   1  1  1  1  1 -1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  
1  1  1  1  1   1  1  1  1  1  1]

1当然代表标记良好的样本，而-1代表错误的样本。

第一：你认为这是一个好方法吗？ 第二：对于指标，如果我将测试集中的总元素除以错误的标签？

Answer 1

根据我对机器学习算法的理解，您的用例不是应用 oneclass-SVM 分类器的好用例。

通常，oneclass-svm 用于无监督的异常值检测问题。 请参阅此页面以查看 oneclass-svm 检测异常值的实现。

只需显示您的数据框，我就会找到解决您问题的任何新方法。