每天五分钟机器学习：异常检测算法和监督学习算法有什么不同？

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。