15.5 异常检测与监督学习对比
参考视频: 15 - 5 - Anomaly Detection vs. Supervised Learning (8 min).mkv
之前我们构建的异常检测系统也使用了带标记的数据,与监督学习有些相似,下面的对 比有助于选择采用监督学习还是异常检测:
两者比较:
异常检测 | 监督学习 |
---|---|
非常少量的正向类(异常数据 y=1), | 同时有大量的正向类和负向类 |
许多不同种类的异常,非常难。根据非常 少量的正向类数据来训练算法。 | 有足够多的正向类实例,足够用于训练 |
未来遇到的异常可能与已掌握的异常、非常 | |
例如: | 例如: |
希望这节课能让你明白一个学习问题的什么样的特征,能让你把这个问题当做是一个异 常检测,或者是一个监督学习的问题。另外,对于很多技术公司可能会遇到的一些问题,通 常来说,正样本的数量很少,甚至有时候是 0,也就是说,出现了太多没见过的不同的异常 类型,那么对于这些问题,通常应该使用的算法就是异常检测算法。