本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請(qǐng)諒解，歡迎指出。

（2）SVDD （one class SVM）

? ?SVDD的思路其實(shí)不難，基本思想是：既然只有一個(gè)class，那就訓(xùn)練出一個(gè)最小的超球面，將這數(shù)據(jù)全部“包起來(lái)”，當(dāng)分類一個(gè)新樣本時(shí)，如果這個(gè)樣本落在超球面內(nèi)，就屬于這個(gè)類，否則為異常樣本。具體怎么實(shí)現(xiàn)呢？

? ? 之前的文章有詳細(xì)介紹過(guò)支持向量機(jī)的推導(dǎo)過(guò)程，我們已經(jīng)知道SVM的需要優(yōu)化公式如下圖所示，其中 y(w*x+b)-1 為超平面方程，目的是找到一個(gè)這樣超平面方程，且樣本到平面的距離最大。

? ? ?同理，我們只需要將超平面公式換成超球體公式即可，公式如下圖。其中R為超球體的半徑，a為圓心，(x - a)T(x-a) <= R + $ 為球體公式，$ 為松弛因子。對(duì)SVDD公式可以這樣理解優(yōu)化過(guò)程：找到這樣一個(gè)超球體，使得它能夠包裹住所有樣本，且使球體面積最小，面積即為。下班了不寫(xiě)了 0_0