これは前回の記事の補足です。 もう見たまんまで「そもそも1クラスSVMの決定境界を具体的に描画してみたらどうなるんだろう?」という興味を持ったので、漫然と2次元でやってみます。前回の記事同様、1クラスSVMの推定に用いるのは{e1071}パッケージのsvm関数で、type = 'one-classification'と指定した場合。カーネルはガウシアンです。 なお{e1071}のvignetteにも書かれていますが、1クラスSVM (-SVM)の主問題をおさらいすると以下の通りです。 を大きく(小さく)することで、の動ける範囲が狭く(広く)なることが見て取れます。一般にの値は学習データそのものに分類器を適用した場合の陰性率に近くなるらしいので、例えば0.01とかにすると陰性率が1%、逆に0.99とかにすると大半が陰性ということになるようです。 適当にデータセットを作る > set.seed