# 6 이상치 탐지 # 모델 기반 이상치 탐지2 1-SVM & SVDD

Support Vector-based anomaly detection

• 정상 데이터의 영역을 정의하는 함수를 학습하고 새로운 데이터에 대해서 이 함수를 적용하여 정상/이상치 탐지

 

One-class Support Vector Machine (1-SVM)

• 원점에서 가장 멀리 떨어진 초평면(Hyperplane)을 찾고 이 초평면 밖의 모든 정상데이터가 존재하도록 학습
  • 비선형을 위한 커널 트릭 사용

αｉ값의 범위에 따른 각 객체들의 구분

 

Case1은 Support Vector가 아님

 

ex) u=0.1, l=500, ul= 50

 

 

Support Vector Data Description (SVDD)

• Feature Space에서 정상 데이터를 포함하는 최소 크기의 초구(Hypersphere)를 찾는 것이 목적
• 1-SVM : Feature Space에서 정상 데이터를 원점에서 멀리 떨어지게 하는 초평면(Hyperplane)을 찾는 것이 목적

첫번 째는 Overfitting 두번째는 Underfitting

 

• 모든 객체가 1-norm으로 정규화 되어있을 경우, SVDD와 1-SVM은 동일한 식이 됨