问题描述：

什么是异常？

取决于你提供什么样的训练资料

异常检测的应用：

异常检测思路一——二分类思路？

难点：不平衡的数据集，异常难以定义（异常的种类很多，不能单独归为一类），异常的资料难以收集

异常检测的分类

有标签：可以将没有标签的那一类归为“unknown”，这类问题也叫open-set recognition

无标签：1）所有的数据都是正常数据      2）只有小部分数据为异常数据

Case1——有标签的异常检测

输入x，通过分类器，不仅输出标签，而且输出信心分数（表示对这个类别的信心为多少），通过信心分数与阈值的比较来决定是否为异常。

可以在训练神经网络时，直接输出信心分数。

异常检测的衡量指标：

取决于解决什么问题，误判的代价大，还是漏判的代价大。

Case2——无标签的异常检测

找到一个P(x)，利用概率模型来进行异常检测

找到使得，产生如下概率分布的可能最大的参数

例如高斯分布：

其他方法：

如果无法通过编码解码得到原图，则为异常

基于PCA的方法：