机器学习：异常检测

问题定义

anomaly，outlier， novelty， exceptions

不同的方法使用不同的名词定义这类问题。

应用

二分类

假如只有正常的数据，而异常的数据的范围非常广的话（无法穷举），二分类这些不好做。另外就是异常资料不太好收集。

分类

每张图片都有标注，就可以来训练一个辛普森家族的成员分类器。

基于classifer来做异常检测。

基于信心分数来做异常问题，大于某值就是正常，小于某值就是异常

最大分数作为confidence



部分数据会有误判的情况

信心分估计

直接教网络信心分数，不仅是做分类任务C，也会给出信心分P

Train 和 Eval

100张辛普森家族图片，5张异常图片

• 有蓝色的正常图被错误分类成异常
• 有红色的异常图被错误分类成正常

这个时候用dev set上评估系统，这是一个二元分类问题。

正常异常比例的分布是非常悬殊的，这个系统可以有很高的准确率，但是没有做什么事，用acc准确率分类是没有意义的。

使用混淆矩阵：


cost table，做错的行为的代价，算一个分数：


针对自己的任务设定cost table。还有一些方法来衡量，比如AUC（roc曲线的面积）。

问题

脸上是黄的，然后系统给的分数就高，说明这个分类系统学到的并不是认清人，而是脸是否是黄的。

假设可以收到一些异常资料，可以学习在分类的同时，也给出异常的分数，但是这类数据不易收集。可以考虑使用GAN生成异常数据。

没有标签的场景

正常玩家和异常玩家（小白）

问题定义

需要数值化的方法来给每一个玩家的分数。$f(斯塔)$ 概率密度估计

高斯分布