Amy 原创整理|资料核验:2026-11-02
scikit-learn 对 OneClassSVM 的 nu 定义是:训练误差比例的上界,以及支持向量比例的下界,取值范围为(0,1]。它不是一个要求每批新数据恰好出现某个异常比例的配额开关。
官方输出约定也值得单独记下:预测标签+1表示分布内样本,-1表示异常;decision_function为正表示分布内,为负表示异常。这个数值是相对分离面的有符号距离,不应直接解释成“异常概率百分比”。
Amy建议调参记录中同时保存nu、核函数、gamma与预处理方式,并对照人工核查样本观察误报和漏报。教学示例:nu设0.1后,新数据出现不同于10%的异常比例,不能单凭这一点认定代码出错。异常标记提供进一步检查的线索,不自动等于设备故障或业务违规。
官方来源:
https://scikit-learn.org/stable/modules/generated/sklearn.svm.OneClassSVM.html