李宏毅异常检测笔记

本文是李宏毅视频的笔记

1. 异常检测定义？

给定一组训练数据 

找到一个函数检测 输入 x 是否相似于训练数据。

不同的方法使用不同的方式决定相似性。

2. 应用领域

• Fraud(欺诈) Detection        
  • Training data: 正常刷卡行为, 𝑥x: 盜刷？
    • Ref: https://www.kaggle.com/ntnu-testimon/paysim1/home
    • Ref: https://www.kaggle.com/mlg-ulb/creditcardfraud/home
• Network Intrusion（入侵） Detection
  • Training data: 正常连线,  x: 攻击行為？
    • Ref: http://kdd.ics.uci.edu/databases/kddcup99/kddcup99.html
• Cancer Detection
  • Training data: 正常細胞,  x: 癌細胞？
    • Ref: https://www.kaggle.com/uciml/breast-cancer-wisconsin-data/home

3. 解决方法： 场景1：训练数据有标注 方法1：  2分类？

 缺点：

1. 异常数据不能被认为是一个类
2. 在某些情况下，很难找到异常样本......

---

方法2： 借助分类器

先训练一个分类器

 输出一个置信度分数（比如 softmax），取最大类别概率和阈值进行比较

缺点：

1. 可能有的样本会得到很高的置信度，但是是异常样本

 上图为训练领域内的样本输入得到的置信度输出，显然大部分都有很高的置信度。

而下图是非训练领域的样本输入的结果，只有10%样本得到很高的输出。

进阶算法：待研究

Terrance DeVries, Graham W. Taylor, Learning Confidence for Out-of-Distribution Detection in Neural Networks, arXiv, 2018

• Learning a network that can directly output confidence

---

方法2 总结

训练集：

• 训练数据按分类准备
• 训练一个分类器，使用某种方法（上面说了两种）从分类器得到置信度。
• 根据阈值判断是否异常

验证集：

• 标注每张图像是否为异常数据（2分类）
• 计算上面训练的模型f(x)的的性能，从而调整 阈值 和 其他超参数

测试集：(上线)

• 输入图像，f(x) 判断是否异常

那么如何计算一个异常检测模型的性能好坏？

不能直接用accuracy 来衡量，因为异常的样本可能特别少，模型啥都不干可能得到很高的accuracy。

性能好坏的评估与任务有关，看需求！

两种错误：

• 正常样本识别为异常 (False alarm)
• 异常样本判定为正常（missing）

根据任务，给它们不同的权重，如下图所示：

缺点：

老虎和狗可能会有很大的置信度。

解决手段：

---

---

场景2：训练数据无标注 解决手段： 方法1：极大似然估计

 

 

 

 

方法2：自编码器重建 

 

其他方法 

 参考链接：【 李宏毅机器学习：异常检测 】Anomaly Detection（合辑）（中文）_哔哩哔哩_bilibili 

---

 评价：该教程只是简单的介绍，细节不够，仍需要具体尝试和看论文！