SVM à une classe

Le SVM à une classe est un algorithme non supervisé de détection d'anomalies et de nouveautés qui apprend une frontière étroite autour des données d'entraînement normales dans un espace de caractéristiques induit par un noyau. Il signale les nouvelles observations qui tombent en dehors de cette frontière comme des valeurs aberrantes. Introduit par Scholkopf et al. en 1999-2001, il étend le cadre des SVM au réglage à classe unique où aucune anomalie étiquetée n'est disponible.