李宏毅《机器学习》课程笔记（作业十：异常侦测）

我们在test的时候，让机器自动的知道这个东西跟训练集里的数据是类似的还是不类似的。

我们无法把异常的资料视为一个类别，因为异常的东西类型太多了，而且异常的资料太难收集到了。

可以在输出类别的时候同时输出一个信心分数，如果高于一个信心分数，就可以判断是正常的数据。可以用分类时分布中最大的那个值直接作为信心分数。或者可以用墒。虽然很简单，但是往往不弱。

也可以直接输出一个信心分数，可以参考文献。

在异常侦测里面，准确率不是一个好的评估方法，所以需要一个好的评估方法，没有一般性的方法，可以用AUC。

如果异常数据接近真实数据，就很难做，一个方法是生成异常的数据。但是要特别注意生成的数据要很小心地加入一些限制，使得他们跟真实数据既接近又有比较大的距离。

在无label的时候，问题更加困难，我们可以用高斯分布来建模分布，再根据新的数据距离高斯中心的远近来判断是否异常。

可以用自动编码器和解码器，如果异常的图片输入进去以后，不能有效还原，就说明是异常的。