机器学习系列22：异常检测

现在有一个网站，为了防止该网站被人恶意攻击，你采取了以下措施。给每个用户建立用户画像，记录他的一些操作，例如：打字速度，浏览时间，点击网页次数等等。。。可以将这些特征建立一个模型，让它有一个阈值，当低于这个阈值时，就可能是有人在恶意攻击你的网站，这时候你就要小心了。就像下图，如果超出蓝圈，那这个数据就有可能发生了异常：

那么这个模型是怎么建立出来的呢？用到的是异常检测算法（Anomanly detection）。异常检测算法是用高斯正态分布推导出来的，方法很简单，就是将每个特征的高斯正态分布值相乘，得到的结果与阈值相比较，若大于这个阈值，就认为是没有异常的。

◆◆

一个完整的异常检测的流程大致如下：

◆◆

1.对于无标签的样本选取特征；

2.每个特征根据公式计算出高斯分布中所需要的参数 μ 和 σ^2；

3.画出高斯分布的图像；

4.将交叉验证集中的数据根据是否异常打上标签；

5.在交叉验证集中根据 F 值选择阈值；

6.阈值选好后，将每个特征的高斯正态分布值相乘，并与阈值进行比较，若小于阈值，则为异常数据。

◆◆

异常检测与监督学习的比较

◆◆

当正样本（出错的样本）很少时，我们就需要用到异常检测法，而正负样本都很多时，我们就需要用监督学习。