李宏毅机器学习26—Anomaly Detection

Anomaly Detection  异常侦测

这节课学习了异常侦测，通俗来讲，就是让机器识别出与训练集不同的异常输入。

anomaly detection的主要想法就是将正常数据与异常数据进行分类

anomaly detection分为两大类：训练数据有label和训练数据无label。

对于有label这类，做法是将x输入给分类器，得到一个信心分数，用信心分数的大小，来评价数据是否异常。同时，针对不同的需求，评估分类系统好坏的标准也不同。

对于无label这类，用极大似然估计的方法，求出样本的概率密度函数，当x的概率密度大于λ，为正常数据，反之，为异常数据

 

目录

一、Anomaly Detection

1.举例说明什么是Anomaly：

2. Anomaly Detection的想法

3. Anomaly Detection的分类

二、有label的情况

1.如何评估信心分数？

2.如何评估分类系统的好坏

3.分类系统的一些其他问题

三、无label的情况

1.做法

2.极大似然估计

总结：

---

一、Anomaly Detection

 

首先有训练集x1到xn

我们希望找到一个函数，可以识别出输入x是不是近似于训练数据

如果x近似于训练数据，x就是正常的数据

X不近似于训练数据，那么x就是异常数据。

Anomaly指的是找出与训练数据不同的数据。