数据挖掘（异常检测）——概述

DataWhale 组队学习 2021.05 组队学习系列笔记一

异常检测概述思维导图

核心内容：

一、 异常检测是做什么：划分正常数据（预期行为数据）与非正常数据（预期行为差异数据）

二、 实现方法：统计方法、线性模型、聚类和集成方法。

三、技术难点：类不平衡问题、噪音干扰

四、实际可应用场景：银行柜员虚增业务量识别、柜面客户异常行为识别（异常业务）

五：问题：

1.1 异常类别中，条件异常和群体异常，通过异常检测分出异常群体，甚至包括点异常。区分了两个群体A和B后，怎么进一步判断A、B的标签，到底哪个是异常的问题？