異常檢測的目標是發現與大部分其他對象不同的對象。通常，異常對象被稱作離群點(Outlier).

異常檢測也稱偏差檢測(Deviation detection),因為異常對象的屬性值明顯偏離期望的或者常見的屬性值。

異常檢測也稱為例外挖掘，因為異常在某種意義上是例外的。

應用場景：

　　欺詐檢測

　　入侵檢測

　　生態系統失調

　　公共衛生

　　醫療

異常檢測方法

　　基于模型的技術

　　基于鄰近度的技術

　　基于密度的技術

統計方法：

　　檢測一元正態分布中的離群點，常用方法是高斯正態分布

　　多元正態分布的離群點，Mahalanobis距離

　　異常檢測的混合模型方法，EM算法

基于鄰近度的離群點檢測

基于密度的離群點檢測,LOF:LOCAL OUTLIER FACTOR技術

基于聚類的技術

?

轉載于:https://www.cnblogs.com/davidwang456/p/9722306.html

總結

以上是生活随笔為你收集整理的数据挖掘导论读书笔记11异常检测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。