异常检测的目标是发现与大部分其他对象不同的对象。通常，异常对象被称作离群点(Outlier).

异常检测也称偏差检测(Deviation detection),因为异常对象的属性值明显偏离期望的或者常见的属性值。

异常检测也称为例外挖掘，因为异常在某种意义上是例外的。

应用场景：

　　欺诈检测

　　入侵检测

　　生态系统失调

　　公共卫生

　　医疗

异常检测方法

　　基于模型的技术

　　基于邻近度的技术

　　基于密度的技术

统计方法：

　　检测一元正态分布中的离群点，常用方法是高斯正态分布

　　多元正态分布的离群点，Mahalanobis距离

　　异常检测的混合模型方法，EM算法

基于邻近度的离群点检测

基于密度的离群点检测,LOF:LOCAL OUTLIER FACTOR技术

基于聚类的技术

优质内容筛选与推荐>>
1、老板运煤问题及解决方案
2、iOS 统计Xcode整个工程的代码行数
3、ARM处理器、X86处理器和AI处理器的区别
4、node版本更换后，项目中的node-sass报错的问题
5、c#进阶之lambda表达式

赞赏

长按二维码向我转账

受苹果公司新规定影响，微信 iOS 版的赞赏功能被关闭，可通过二维码转账支持公众号。

阅读

已发送

发送中