机器学习第九周（一）--异常检测

异常检测

异常检测问题引入

异常检测问题虽然主要用于非监督学习问题，但从某些角度看，又类似于一些监督学习问题。

以飞机引擎的QA测试为例，我们需要采集一些飞机引擎的特征，如 x1 和  x2 ，如果生产了m个引擎的话就有了m个数据集，我们需要对一个新生产的引擎 xtest 判断是否有异常？

异常问题定义

假设我们有m个正常的样本数据 x(1),x(2)，...x(m) 我们需要一个算法来告诉我们一个新的数据 xtest 是否异常。
具体算法：给定的无标签的训练集，对数据集建立一个概率分布模型 p(x) ，对于新的数据 xtest ，如果概率低于阈值ϵ ；即 p(xtest)<ϵ ，即将其标为异常。反之，如果 p(xtest)>=ϵ ，我们认为是正常的。

异常检测应用

欺诈检测、计算机异常检测、、、

---

高斯分布

若x是一个随机变量，且x的概率服从高斯分布：其中均值为μ ，方差为θ2 

如图，高斯曲线主要有俩个参数:μ ，θ ，这俩个参数与函数图像之间的关系：

μ 是图像的中心位置，因为曲线围成的面积是不变的，都是1,。所以θ 越大，离散化程度越大，图像越宽，反之，θ 越小，图像就越高瘦。

μ 和θ 的具体实现公式如下：

μ=1m∑i=1mx(i)

θ2=1m∑i=1m(x(i)−μ)2

在统计学中，theta项中会采用m-1项，这叫无偏估计。机器学习中，习惯采用m，当数据集很大时，这区别很小，可以忽略不计。

---

异常检测算法

假设共有m个样本，每个样本有n维特征，对每个样本有高斯分布，总的模型由每个样本的高斯模型连乘得出；这里给出异常检测算法的一般步骤：

1、从样本中找出体现异常行为的特征
2、分别计算每个特征参数μ 和θ 。
3、给定新样本，计算出对应的 p(x) ，判断 p(x) <ϵ ？

异常检测例子

这里ϵ 给定为0.02，后面会有说明如何选定ϵ 。分别计算俩个新样本的概率。判断是否为异常。