異常檢測 OCSVM與混合高斯分布

20200924 -

前面的文章《孤立森林的簡要記錄》中描述了孤立森林的簡單原理，而且之前也簡單測試過這種方法的效能，只不過最終沒有得到非常好的效果。本篇文章中記錄一下另外兩種方法。

一般來說，異常檢測是一種無監督的學習方法，當然也可以轉化為監督學習，但是我個人感覺轉化的方式不好，原因主要是你需要將異常進行標記，但是異常應該很難標記，特別是數量比較少的情況下。所以本文記錄兩種無監督的方法：一類svm和混合高斯分布。

關於具體原理部分可以參考文章[1]，文中介紹了兩種ocsvm的原理。其中一種就是利用最小化半徑的方式來實現，另外一種還需要進一步學習。另種方式的名字分別是v-svm和svdd。文章[4]也簡單介紹了這部分的原理。

文章[2]中介紹了利用kdd99實驗ocsvm的過程。這裡的乙個問題，我個人任務就是在學習過程中，它顯式地使用了訓練資料中異常點的比例來作為模型訓練的引數。雖然這種方法最後取得了不錯的效果，但是普通情況下，你怎麼會知道異常點的比例呢，這個內容可能需要更多的**或者文章來論證了。

利用高斯分布來擬合資料分布是一種比較常見的異常檢測方法，特別是在一維的模型下更為容易理解。假設某個資料分布產生於高斯分布，那麼在擬合完成之後，測試過程中，只需要檢視某些點的概率，通過閾值的方式來確定其是否使異常點。

文章[3]中使用了一種混合高斯模型的方法，通過這種方法可以檢視各個點屬於各個高斯分布的概率，然後來判定。不過擬合過程暫時不清楚，直接呼叫了庫。

[1]introduction to one-class support vector machines

[2]unsupervised machine learning with one-class support vector machines

[3]anomaly detection in python with gaussian mixture models.

[4]one class svm(oc-svm)