机器学习笔记 - 异常检测之OneClass SVM算法简述
一、异常检测是什么？
如下图，理想中我们可以找到一个框住大部分正常样本的决策边界，而在边界外部的数据点（蓝点）即视为异常。
但实际情况下数据都没有标签，因此很难定义正常还是不正常。异常检测的主要挑战如下：正常与异常行为之间的界限往往并不明确、不同的应用领域对异常的有意定义不同、数据可能存在噪声、异常行为的数据含有难以采集（样本量极少、训练时存在严重不平衡数据的问题）以及正常行为不会一成不变，会有不断发展变化的模式。
异常检测的算法非常多元，（1）图形方法：箱型图二。（2）统计方法：单变量/多变量高斯分布。（3）基于距离的方法。（4）基于密度的方法。（5） 基于模型的方法：孤立森林、RNN等。
我们这里主要了解OneClass SVM 算法。