ocsvm（one class support vector machine）即單類支援向量機，最先提出的文獻為：estimating the support of a high-dimensional distribution.
該模型 將資料樣本通過核函式對映到高維特徵空間，使其具有更良好的聚集性，在特徵空間中求解乙個最優超平面實現目標資料與座標原點的最大分離，如圖1：
座標原點被假設為唯一的乙個異常樣本，最優超平面與座標原點最大距離為
svdd（（support vector data description）即支援向量資料描述，最先提出的文獻為：support vector data description，，其基本思想是通過在對映到高維的特徵空間中找出乙個包圍目標樣本點的超球體，並通過最小化該超球體所包圍的體積讓目標樣本點盡 能地被包圍在超球體中，而非目標樣本點盡可能地排除在超球體中，從而達到兩類之間劃分的目的。該方法目標是求出能夠包含正常資料樣本的最小超球體的中心a和半徑r。
兩種單分類方法的區別與聯絡：
通過以上的分析 ，建立了 2種模型之間存在的聯絡 ，可見不同之處在於對
參考：基於支援向量的單類分類方法綜述 吳定海，張培林，任國全，陳非
DataFrame的比較和缺失值比較
pandas使用numpy nan np.nan 物件表示缺失值。這是乙個不等於自身的特殊物件 np.nan np.nan false python的none物件是等於自身的 none none true 所有和np.nan的比較都返回false，除了不等於 9 np.nan false5 np.n...
in 和 exists的比較
系統要求進行sql優化，對效率比較低的sql進行優化，使其執行效率更高，其中要求對sql中的部分in not in修改為exists not exists 修改方法如下 in的sql語句 select id,category id,htmlfile,title,convert varchar 20 ...
和equals的比較
基本的資料型別都放在stack 棧 中 引用型別變數放在stack 棧 中，真正的內容放在heap 堆 中。堆 首先堆是動態分配的，jvm並不會自動釋放這部分記憶體。只用等待系統的gc來進行記憶體 棧 是在類載入中有系統靜態分配的，而且分配時按照記憶體的高低位址分配。這部分記憶體系統會自動進行釋放。...