本文重点
在上一节课程中,我们使用了异常检测算法,并且使用了带标签的数据,现在就有一个问题,既然我们使用了带标签的数据,那么为什么我们不直接使用监督学习算法呢?
选择
如果有很小的正样本(y=1异常),大量的负样本(y=0正常样本)。那么我们在拟合那些高斯参数的过程中,我们只需要使用负样本,而不需要使用正样本,所以就算正负样本不平衡,我们依然可以很好的拟合p(x),因为我们只是用正常样本也就是负样本来拟合我们的模型。
反过来,对于监督学习,一般来讲,我们的正负样本数量都应该比较大,而且尽可能的均衡。
总结
有些时候数据集可能并不是很均衡,比如发动机的例子,出现问题的毕竟是少数,所以此时我们可以使用异常检测算法,我们使用正常样本来建模,这样即使再来一个正样本,基本上它的特征我们以前的样本也能将其包含进来,从而判断它是正常样本。而异常样本太少,我们根本没有办法在这些样本中学习出来太多的东西,所以我们只能拿这些少量的样本来评价,而不是训练。