异常检测

什么是异常检测

异常检测是对罕见事件、项目或关注事件的识别，因为它们与大多数处理数据的特征不同。异常，也称为异常值，可以代表安全错误、结构缺陷，甚至银行欺诈或医疗问题。异常检测主要有三种形式。第一种异常检测是无监督异常检测。该技术通过将数据点相互比较、为数据建立基线“正常”轮廓并寻找点之间的差异来检测未标记数据集中的异常。相比之下，监督异常检测需要使用特定的“正常”和“异常”标签来训练数据集。最后，半监督异常检测技术要求分类器在“正常”数据集上进行训练以建立预设，然后分析预期数据以检测异常。本质上，这种技术允许分类器创建标签。

异常检测技术

有许多流行的异常检测技术。 异常检测的另一种形式的示例称为聚类分析。 聚类分析是分析活动爆发数据的技术，而不是特定的稀有对象。 如果负责这种形式的异常检测，其他异常检测技术，尤其是无监督流程，将会失败。 其他技术包括贝叶斯网络、隐马尔可夫模型和一类支持向量机。

异常检测的应用

异常检测用于欺诈和入侵检测、系统健康监测和生态系统干扰监测等应用。 例如，在欺诈检测中，银行可以分析一系列交易数据来监控和检测可能的欺诈实例。 在生态系统干扰监测中，会分析自然环境数据中的异常情况，以帮助改进地震和海啸检测等过程。

异常检测和机器学习

如上所述，用于异常检测的各种技术依赖于机器学习的形式。 随着分类器被训练来理解和标记数据，它提高了它的准确性。 异常检测通常用于预处理，作为从数据集中删除异常数据的一种方式。 在监督学习情况下，删除异常数据通常会导致准确度在统计上显着提高。