異常檢測技術用於各種領域，如入侵檢測、欺詐檢測、故障檢測、系統健康監測、傳感器網路事件檢測和生態系統干擾檢測等。它通常用於在預處理中刪除從資料集的異常資料。在監督式學習中，去除異常資料的資料集往往會在統計上顯著提升準確性。
就入侵檢測而言, 很難檢查駭客入侵的方法
Multi-classification 多分類
Binary-classification 分兩類 ==> 是或不是
One-Classification ==> 單分類 檢查異常質Outlier (正常很多, 但異常很少, 而且也難不好界定所有或描述的異常種類) ==> Unbalanced DataSet
mean: 容許圈圈中有多少比例的異常質被誤檢中
RBF: fit的程度
沒有留言 :
張貼留言