李宏毅《Deep Learning》学习笔记 - Anomaly Detection

学习资料:video, PPT

1. 缘起

面对的问题是什么?
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2. 有标签的情况

2.1 分类问题

如果能够收集到大量的有标签数据,直接训练一个二分类器,就可以结束了。
在这里插入图片描述
但是,很多情况下是很难收集anomaly example的。
在这里插入图片描述
对于有标签的情况,其中一种是对normal example可以分为C类,那么,可以训练一个分类器,将样本做C分类。对于normal example,被识别为某一类别的概率会非常高。对于anomaly example,被识别为某一类的概率会相对偏低。通过设置阈值 λ \lambda λ,来区分anomaly examples.
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
算法的评估指标选择上,需要考虑实际的需求,而不是简简单单依赖准确率。一些综合性指标,如AOC会比较合适。当然,特殊问题,特殊对待。可以通过加权计算最终的score来做判断。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.2 扩展阅读

在这里插入图片描述

3. 无标签的情况

3.1 极大似然估计

为了简化问题,我们使用二维问题来做说明。
最终,我们想要学习的模型是一个概率模型,根据输入的大量样本,估算概率密度函数的参数。使用的方法,就是极大似然估计法。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
对于真实问题,通常都是多维的,下面是多维的情况下的扩展。
在这里插入图片描述

3.2 扩展阅读

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值