异常检测基本概念和方法

1.异常检测基本概念

异常检测：识别与正常数据不同的数据，与预期行为差异大的数据。

1.1 异常的类别

点异常：指的是少数个体实例是异常的，大多数个体实例是正常的。

条件异常：又称上下文异常，指的是在1. 异常检测基本概念
异常检测：识别与正常数据不同的数据，与预期行为差异大的数据。

1.1异常的类别

点异常：指的是少数个体实例是异常的，大多数个体实例是正常的。

条件异常：又称上下文异常，指的是在特定情境下个体实例是异常的，在其他情境下都是正常的。

群体异常：在群体集合中的个体实例出现异常的情况，而该个体实例自身可能不是异常，在入侵或欺诈检测等应用中，离群点对应于多个数据点的序列，而不是单个数据点。

1.2 异常检测任务分类

有监督：训练集的正例和反例均有标签

无监督：训练集无标签

半监督：在训练集中只有正例，异常实例不参与训练

2. 异常检测基本方法

2.1.1 基于统计学的方法

异常检测的统计学方法的一般思想是：学习一个拟合给定数据集的生成模型，然后识别该模型低概率区域中的对象，把它们作为异常点。

利用统计学方法建立一个模型，然后考虑对象有多大概率可能符合该模型。

2.1.2 线性模型

PC