异常检查(Anomaly Detection)

背景

异常检测 (anomaly detection)，或者又被称为“离群点检测” (outlier detection)。这是机器学习算法的一个常见应用。这种算法的一个有趣之处在于：它虽然主要用于非监督学习问题，但从某些角度看，它又类似于一些监督学习问题。

什么叫做异常

• 异常数据跟样本中大多数数据不太一样。
• 异常数据在整体数据样本中占比比较小。

异常检测主要用来识别欺骗。例如在线采集而来的有关用户的数据，一个特征向量中可能会包含如：用户多久登录一次，访问过的页面，在论坛发布的帖子数量，甚至是打字速度等。尝试根据这些特征构建一个模型，可以用这个模型来识别那些不符合该模式的用户。

算法

高斯分布开发异常检测算法

D a t a s e t : { x ( 1 ) , x ( 2 ) , . . . , x ( m ) } Dataset:\{x^{(1)},x^{(2)},...,x^{(m)}\} Dataset:{ x(1),x(2),...,x(m)}
求出每一个特征的期望和方差
我们假设 N ( μ i , σ i 2 )