【李宏毅】机器学习 笔记16(Anomaly Detection)
找到一个function取侦测data是否正常:
正常(normal):和training data 像的data
异常(anomaly):和training data 不同的data
举个例子:
用classifier作异常侦测:
在output答案的同时,得到做出是这个答案的信心分数 (作为判断是或不是的边界)
侦测错误分为两类:
1、把正常的侦测为异常 false alarm
2、把异常的侦测为正常(即:异常未侦测出来) missing
具体情况要根据需要给这两类错误加一定的权值cost来作为重视程度,从而会计算出不同的value来评价这个detection的好坏:
举个例子:
把每个玩家抽象成一个其特征的向量来train:
将一个图像之上的点数值化:
其他方法: