单分类one-class SVM

对比与有正负样例的二分类SVM，one-class SVM可以训练出一个高维超球面，把数据尽可能紧的包围起来。

场景：

花果山上的老猴子，一生阅猴无数，但是从来没有见过其它的物种。有一天，猪八戒来到花果山找它们的大王，老猴子一声令下，把这个东西给我绑起来！

这里老猴子很清楚的知道这个外来物种不是同类，但是它究竟是什么，不得而知。

老猴子见过很多猴，它知道猴子的特征，而外来生物明显不符合这个特征，所以它就不是猴子。

这就是一个单分类的简单例子。

而美猴王看到这个场景后，哈哈一笑，把这呆子抬过来！

对比二分类，显著的区别就是，二分类不但能得出来这个东西不是猴子，他还能告诉你这个东西叫“呆子”（当然我们的美猴王见多识广，肯定不止是二分类那么简单了）。

 

单分类实际中有很多应用，比如人脸识别，我们不可能给所有的图片让机器去分类，事实上我们只能给出很多人脸的图像，让机器去学习识别。之后再来图像时，符合

这些图像特征的就属于人脸，反之则不是。