【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：