我正在尝试在Sklearn中使用OneClassSVM进行异常值检测。用户每天都在访问网站，但有一天他访问了一个以前从未访问过的网站。我想用OneClassSVM捕捉这个异常值。以下是示例数据：
`([[www.makeuseof.com,
www.kickstater.com,
www.google.com,
www.mashable.com`
以下是样本测试数据
`test_data = ['www.makeuseof.com','www.google.com','www.abc.com',]`
我正在使用哈希库中内置的python对所有字符串进行哈希处理。abs(hash('string'))
我希望它返回-1，而不是www.abc.com but its-1`。
可能也有一些实现错误，但总的来说，我认为哈希会导致你的数据过于分散，所以在这种情况下，基本哈希不会让你准确预测异常值，因为所有东西都离其他东西太远了，所以，所有东西都会有点像异常值。
对于你的任务，我不知道你为什么需要机器学习。使用一本存储访问过的网站的词典，当你得到一个新网站时，检查它是否在词典中。快速、高效、简单。
下面简要解释一下为什么不应该使用机器学习方法：
这不是一项机器学习任务。本质上，机器学习是用来从嘈杂的数据中学习未知模式的。这是一个不确定的过程。这种模式的一个例子是
"如果客户失业，年龄在25岁以下，没有高中文凭，那么与所有男性客户相比，他的信用贷款违约风险会增加30%。"
在您的情况下，模式是已知的，可以描述为
"用户访问了一个他以前从未访问过的页面"。
这是一种确定性模式，因此您不应该在这里使用机器学习方法。