Anomaly Detection
Anomaly Detection
- 背景
- 带标签异常检测
- 不带标签异常检测
- Evaluation
背景
- 定义：找出异常（与训练资料相异 的data）
- 应用：欺诈检测、网络入侵检测、癌症检测
- 与二分类的区别：
- 异常数据不能被简单视为一类
- 难以获取异常数据
带标签异常检测
训练一个分类器，将置信度（分类最高分or crossentropy）与threshold 比较。
threshold的设定取决于f(x)在Dev dataset 上的表现
不带标签异常检测
- 基于分布
得出数据分布p(x)，比较p( x 1 x_1 x1) 与 threshold 的大小判断是否为anomaly. - 基于重构
学习一个Auto-encoder，学习in-class重构能力，out-of-class 的重构效果自然很差，计算重构距离. - One class SVM / Isolated Forest
Evaluation
Cost Table\AUC
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！