异常检测 - OCSVM与混合高斯分布

20200924 -

0. 引言

前面的文章《孤立森林的简要记录》中描述了孤立森林的简单原理，而且之前也简单测试过这种方法的性能，只不过最终没有得到非常好的效果。本篇文章中记录一下另外两种方法。
一般来说，异常检测是一种无监督的学习方法，当然也可以转化为监督学习，但是我个人感觉转化的方式不好，原因主要是你需要将异常进行标记，但是异常应该很难标记，特别是数量比较少的情况下。所以本文记录两种无监督的方法：一类SVM和混合高斯分布。

1. OCSVM（一类SVM）

1.1 基本原理

关于具体原理部分可以参考文章[1]，文中介绍了两种OCSVM的原理。其中一种就是利用最小化半径的方式来实现，另外一种还需要进一步学习。另种方式的名字分别是v-svm和svdd。文章[4]也简单介绍了这部分的原理。

1.2 使用过程

文章[2]中介绍了利用KDD99实验OCSVM的过程。这里的一个问题，我个人任务就是在学习过程中，它显式地使用了训练数据中异常点的比例来作为模型训练的参数。虽然这种方法最后取得了不错的效果，但是普通情况下，你怎么会知道异常点的比例呢，这个内容可能需要更多的论文或者文章来论证了。

2. 混合高斯分布模型

利用高斯分布来拟合数据分布是一种比较常见的异常检测方法，特别是在一维的模型下更为容易理解。假设某个数据分布产生于高斯分布，那么在拟合完成之后，测试过程中，只需要查看某些点的概率，通过阈值的方式来确定其是否使异常点。
文章[3]中使用了一种混合高斯模型的方法，通过这种方法可以查看各个点属于各个高斯分布的概率，然后来判定。不过拟合过程暂时不清楚，直接调用了库。

参考

[1]Introduction to One-class Support Vector Machines
[2]Unsupervised Machine Learning with One-class Support Vector Machines
[3]Anomaly Detection in Python with Gaussian Mixture Models.
[4]One Class SVM(OC-SVM)