One-Class SVM para la detección de novedades

Introducción

Esta práctica te guiará a través de un ejemplo de uso del one-class SVM para la detección de novedades. El one-class SVM es un algoritmo no supervisado que aprende una función de decisión para la detección de novedades: clasificar nuevos datos como similares o diferentes al conjunto de entrenamiento.

Consejos sobre la VM

Una vez que se haya iniciado la VM, haz clic en la esquina superior izquierda para cambiar a la pestaña Cuaderno y acceder a Jupyter Notebook para practicar.

A veces, es posible que tengas que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de las operaciones no se puede automatizar debido a las limitaciones de Jupyter Notebook.

Si tienes problemas durante el aprendizaje, no dudes en preguntar a Labby. Proporciona retroalimentación después de la sesión y te resolveremos el problema inmediatamente.

Skills Graph

Importar las bibliotecas necesarias y generar datos

El primer paso es importar las bibliotecas necesarias y generar datos. Usaremos numpy y matplotlib para generar y visualizar datos, y scikit-learn para construir el modelo de one-class SVM.

import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm

## Generar datos de entrenamiento
X = 0.3 * np.random.randn(100, 2)
X_train = np.r_[X + 2, X - 2]

## Generar algunas observaciones novedosas regulares
X = 0.3 * np.random.randn(20, 2)
X_test = np.r_[X + 2, X - 2]

## Generar algunas observaciones novedosas anormales
X_outliers = np.random.uniform(low=-4, high=4, size=(20, 2))

Ajustar el modelo de one-class SVM

A continuación, ajustaremos el modelo de one-class SVM a los datos generados.

## Ajustar el modelo
clf = svm.OneClassSVM(nu=0.1, kernel="rbf", gamma=0.1)
clf.fit(X_train)

## Predecir las etiquetas para los datos de entrenamiento, las observaciones novedosas regulares y las observaciones novedosas anormales
y_pred_train = clf.predict(X_train)
y_pred_test = clf.predict(X_test)
y_pred_outliers = clf.predict(X_outliers)

Calcular el número de errores

Calcularemos el número de errores que hace el modelo en los datos de entrenamiento, las observaciones novedosas regulares y las observaciones novedosas anormales.

## Contar el número de errores
n_error_train = y_pred_train[y_pred_train == -1].size
n_error_test = y_pred_test[y_pred_test == -1].size
n_error_outliers = y_pred_outliers[y_pred_outliers == 1].size

Visualizar los resultados

Finalmente, visualizaremos los resultados del modelo de one-class SVM. Graficaremos el límite de decisión, los datos de entrenamiento, las observaciones novedosas regulares y las observaciones novedosas anormales.

## Visualize the results
xx, yy = np.meshgrid(np.linspace(-5, 5, 500), np.linspace(-5, 5, 500))
Z = clf.decision_function(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)

plt.title("Novelty Detection")
plt.contourf(xx, yy, Z, levels=np.linspace(Z.min(), 0, 7), cmap=plt.cm.PuBu)
a = plt.contour(xx, yy, Z, levels=[0], linewidths=2, colors="darkred")
plt.contourf(xx, yy, Z, levels=[0, Z.max()], colors="palevioletred")

s = 40
b1 = plt.scatter(X_train[:, 0], X_train[:, 1], c="white", s=s, edgecolors="k")
b2 = plt.scatter(X_test[:, 0], X_test[:, 1], c="blueviolet", s=s, edgecolors="k")
c = plt.scatter(X_outliers[:, 0], X_outliers[:, 1], c="gold", s=s, edgecolors="k")
plt.axis("tight")
plt.xlim((-5, 5))
plt.ylim((-5, 5))
plt.legend(
    [a.collections[0], b1, b2, c],
    [
        "frontier aprendida",
        "observaciones de entrenamiento",
        "nuevas observaciones regulares",
        "nuevas observaciones anormales"
    ],
    loc="upper left",
    prop=matplotlib.font_manager.FontProperties(size=11)
)
plt.xlabel(
    "error train: %d/200 ; errores novedades regulares: %d/40 ; errores novedades anormales: %d/40"
    % (n_error_train, n_error_test, n_error_outliers)
)
plt.show()

Resumen

En este laboratorio, aprendimos cómo usar one-class SVM para la detección de novedades. Generamos datos, ajustamos el modelo de one-class SVM, calculamos el número de errores y visualizamos los resultados. One-class SVM es un algoritmo útil para detectar anomalías en los datos y se puede aplicar a una amplia variedad de aplicaciones.