有label的資料：
確定乙個信心分數閾值，classifier得出的信心分數大於閾值，才表明是正常資料
如何確定信心分數閾值：
先定義乙個cost table，表明false alarm和missing的得分，根據cost table計算特定閾值的得分，使用得分最高者閾值
無label的資料：
方法1: 假設資料符合高斯分布，最大化似然函式，得到均值和標準差，然後根據統計再定義乙個閾值，就可以判斷是否是異常資料
方法2: 用正常資料訓練乙個auto-encoder，異常資料解碼會失敗
深度學習異常檢測 深度few shot異常檢測
入門,利用一些標記的異常例項執行異常通知的異常檢測 由於缺乏大規模的標記異常資料，現有的 深度或淺度 異常檢測方法通常被設計為無監督學習 針對完全未標記的資料進行訓練 或半監督學習 針對僅標記的正常資料進行訓練 結果，當在許多現實世界中的異常檢測應用中可獲得這樣的資訊時，他們難以利用先驗知識 例如，...
深度學習目標檢測
流程狂徒如下 1 使用selective search提取proposes，然後利用cnn等識別技術進行分類。2 使用識別庫進行預訓練，而後用檢測庫調優引數。3 使用svm代替了cnn網路中最後的softmax，同時用cnn輸出的4096維向量進行bounding box回歸。4 流程前兩個步驟 候...
機器學習（四） 異常檢測
機器學習中的異常檢測分為兩種，一種是無監督的異常檢測，另一種為有監督的異常檢測。無監督的異常檢測即在沒有標籤的情況下，演算法從一堆資料點中，挑選出其認為不正常的資料點。而有監督的異常檢測為在對訓練集提前設定好標籤的前提下，演算法對其進行劃分。異常檢測演算法可以應用於發動機的挑選中，假設乙個廠家生產了...