一級分類

Question

我有 2500 多個樣本進行了靜態分析，每個樣本提取了 300 多個特征。

在這些樣本中，我區分了 10 多個APT類，我的目標是為每個類構建一個單類分類器。

我正在使用 python scikit 庫進行機器學習，特別是我面臨着一類 SVM。

第一個問題：這種方法還有其他一些好的單類分類器嗎？

第二個問題：我必須提出一些可以定義分類器“准確性”的指標。 現在我知道對於一類 SVM 來說，准確度概念並不是那么明確。 我報告我的代碼和我的概念：

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)

這些代表代碼的輸出：

[ 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當然代表標記良好的樣本，而-1代表錯誤的樣本。

第一：你認為這是一個好方法嗎？ 第二：對於指標，如果我將測試集中的總元素除以錯誤的標簽？

Answer 1

根據我對機器學習算法的理解，您的用例不是應用 oneclass-SVM 分類器的好用例。

通常，oneclass-svm 用於無監督的異常值檢測問題。 請參閱此頁面以查看 oneclass-svm 檢測異常值的實現。

只需顯示您的數據框，我就會找到解決您問題的任何新方法。