2020李宏毅学习笔记——54.Anomaly Detection（4_7）
解决一个问题，
什么问题呢？
理想的分类器是这样子的，下面是猫狗分类器：
如果有些动物没有猫的特征也没有狗的特征：
那我们会把这些东西放在边界上，分数会比较低。
但是有些动物有虽然不是猫狗但是有猫狗的特征，例如老虎和狼。而且老虎比猫还要像猫，狼比狗还要像狗。
所以老虎和狼在分类器上的信心分数比猫和狗还高。
回到辛普森分类的例子，如果把二次元人物和老师的头像改变一下，结果是：
意思就是如果分类器是按黄色来进行区分是否辛普森家族人物的时候，如果有些图片不是辛普森人物，但是也明显带有黄色的特征，就会分类出错，如何解决这个问题？（不展开）
就是教机器两个事情
1、正确的对象信心分数要越高越好；（这个之前就说了）
2、异常的对象信心分数要越低越好。Learn a classifier giving low confidence score to anomaly.
但是之前说了，异常对象不好收集。有人提出用训练一个生成模型生成一些异常对象。