异常检测

异常检测，英文成为abnormal detection 。这类问题包括银行欺诈，结构缺陷，医疗问题，文本错误等问题。异常也被称之为离群点，噪声，偏差。
有三大类异常检测的方法：
1.无监督的学习，比如说k均值聚类，寻找出比较特殊的案例。
2.有监督的学习，在有异常标签的基础之上，进行构建分类器，识别出新的异常数据。
3.半监督的问题：给定一个正常行为的数据集合，表示正常行为的模型。

常用方法

• 基于密度的方法，最近邻居法，局部异常因子

• 基于子空间与相关性的高维数据的孤立点检测。

• 支持向量机

• 神经网络

• 基于聚类分析的孤立点检测

• 关联规则学习

• 基于模糊逻辑的孤立点检测

• 运用特征袋分数归一化与不同多样性来源的集成方法