机器学习笔记（十四）：异常检测

版权声明：本文为博主原创文章，转载请注明出处。 https://blog.csdn.net/cg129054036/article/details/84945866

目录

1）Problem motivation

2）Gaussian distribution

3）Algorithm

4）Developing and evaluating an anomaly detection system

5）Anomaly detection vs. supervised learning

6）Choosing what features to use

---

1）Problem motivation

下面是异常检测的两个例子：识别欺骗和检测数据中心

2）Gaussian distribution

我们来回顾一下大学时学的高斯分布：

扫描二维码关注公众号，回复： 4471397 查看本文章

                                                                   

下面是高斯分布的例子：

在实际应用中，我们可以这样求参数：

3）Algorithm

1.数据集：

2.计算每一个特征的;

3.概率计算：

4）Developing and evaluating an anomaly detection system

具体的评价方法如下：

1）根据训练集数据，我们估计特征的平均值和方差并构建模型；

2）对交叉验证集，我们尝试使用不同的作为阈值，并根据F1值或者准确率与召回率选择阈值；

3）在测试集上进行预测；

5）Anomaly detection vs. supervised learning

6）Choosing what features to use

1）将数据转换为高斯分布；

2）误差分析；

3）构建新特征；