超级会员免费看
本文介绍了异常检测（Anomaly Detection）的基本概念，解释了为何不能直接使用二分类算法，并详细探讨了带标签和不带标签样本的检测模型，包括分类器信心分数和自动编码器的应用。文章强调了在评估模型时避免仅使用准确率，提出了成本积分制等方法，并讨论了模型泛化问题和解决方案。
一、什么是 Anomaly(异常)
- Anomaly Detection，也叫做 异常检测，目的在于让机器知道我所不知道的事情。
- 虽然说是 异常，但其实是以训练集为核心，判断输入数据是否与训练集中的数据 “类似”。
- Anomaly Detection 在不同的领域可以有不同的叫法，比如：outlier Detection，novelty Detection，exceptions Detection。
- 至于什么才是“类似”，它的定义这取决于你所用的方法。如下图所示，如果你给的训练集只有雷丘，那么比卡丘就是“异常”；相反，如果你给的训练集是比卡丘，那雷丘就是“异常”。
- 什么样本是异常取决于你所给的训练集。
二、什么是 Anomaly Detection(异常检测)
- 给定一个训练集 x1,x2,...,xN\textbf{x}^1,\textbf{x}^2,...,\textbf{x}^N
订阅专栏 解锁全文
扫一扫
436
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
