自动编码（Autoencoder）器异常检测（outlier detection）实战
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了自动编码（Autoencoder）器异常检测（outlier detection）实战相关的知识，希望对你有一定的参考价值。
自动编码（Autoencoder）器异常检测实战
异常点检测(Outlier detection)，又称为离群点检测，是找出与预期对象的行为差异较大的对象的一个检测过程。这些被检测出的对象被称为异常点或者离群点。异常点检测在生产生活中有着广泛应用，比如信用卡反欺诈、工业损毁检测、广告点击反作弊等。
根据不同异常检测问题分类：
时间序列法：移动平均，同比和环比，时序指标异常检测(STL+GESD)
统计法： 单特征且符合高斯分布，多个不相关特征且均符合高斯分布，多个特征相关且符合多元高斯分布
距离法：基于角度的异常点检测，基于KNN的异常点检测
线性方法：矩阵分解和PCA降维
自动编码器是一种人工神经网络，用于学习无标记数据的高效编码（无监督学习）。通过尝试从编码中重新生成输入来验证和细化编码。自动编码器通过训练
以上是关于自动编码（Autoencoder）器异常检测（outlier detection）实战的主要内容，如果未能解决你的问题，请参考以下文章
CNN autoencoder 进行异常检测——TODO，使用keras进行测试
什么是自动编码器（Autoencoder）？如何评估自动编码器（Autoencoder）的性能？如果一个自动编码器可以完美地重现输入它一定是一个好的编码器吗？
Pytorch Note43 自动编码器(Autoencoder)