我已经设置了 300,000 行包含信用卡交易的行，我的工作是在这些数据集中查找异常值（可疑交易）。
我创建了大约 5 个功能（所有连续数据，以 1 列作为事务 ID）
我需要返回所有交易 ID 的列表，这看起来很可疑
我试过什么
我曾尝试使用 K 均值算法，但它不适合我笔记本电脑的内存（8 GB）并且它崩溃了。
我想尝试 1 类 SVM，但我没有看到任何好的教程让我开始。我尝试了 scikitlearn 官方教程，但它已经添加了异常值，他们只是在绘制它。
如何自动检测异常值并返回这些观察结果？
首先，从一个子集开始，直到你知道你在做什么。等待几个小时来等待一个不起作用的结果，或者内存不足，或者优化，只是为了发现它不起作用是没有用的。
其次，确保你的预处理做得非常好。糟糕的预处理会损害你的算法。
根据我的经验，一类 SVM 不能很好地工作。它假设您的所有训练数据都是“正常”类（没有异常值），这是所有正常数据的代表性样本。其次，您需要调整内核参数，但是如何在没有标记异常的情况下做到这一点？
相反，我会尝试 knn 异常值检测、LOF 和 LoOP。
但是对于这些，您需要确保您的距离是一个非常好的相似性度量。如果你没有很好地预处理，距离不起作用，然后最近邻方法也不起作用。
好的，这有点晚了，但有两点希望对将来的某人有所帮助。
您正在寻找的标签应该由clf.predict（另请参阅您发布的教程）返回
从这个问题中可以看出，为什么我的 SVM 不能学习你的测试集实际上必须包含异常值的重复元素序列。这与 scikit-learn 中的声明相矛盾，即他们正在进行新颖性检测。对我来说，给定的链接证明该方法没有（并不是说这会是一个问题，重要的是要知道）。