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。