有label的数据:
确定一个信心分数阈值,Classifier得出的信心分数大于阈值,才表明是正常数据
如何确定信心分数阈值:
先定义一个cost table,表明false alarm和missing的得分,根据cost table计算特定阈值的得分,使用得分最高者阈值
无label的数据:
方法1: 假设数据符合高斯分布,最大化似然函数,得到均值和标准差,然后根据统计再定义一个阈值,就可以判断是否是异常数据
方法2: 用正常数据训练一个auto-encoder,异常数据解码会失败
有label的数据:
确定一个信心分数阈值,Classifier得出的信心分数大于阈值,才表明是正常数据
如何确定信心分数阈值:
先定义一个cost table,表明false alarm和missing的得分,根据cost table计算特定阈值的得分,使用得分最高者阈值
无label的数据:
方法1: 假设数据符合高斯分布,最大化似然函数,得到均值和标准差,然后根据统计再定义一个阈值,就可以判断是否是异常数据
方法2: 用正常数据训练一个auto-encoder,异常数据解码会失败