我有一个数据集观察和分类变量（名义），每个变量有几个不同的可能值。
最终，我正在寻找一种发现异常的方法，即识别相对于我目前看到的数据而言值组合似乎不正确的行。
到目前为止，我正在考虑构建一个模型来预测每一列的值，然后构建一些度量来评估实际行与预测行的差异。
我将不胜感激任何帮助！
从分类数据记录中查找异常
人工智能
机器学习
数据集
异常检测
2021-10-28 07:41:55
1个回答
首先，您提到您有分类数据。我看不出如何定义相似性，以便您还可以定义预测值与基本事实（错误）之间的距离。只有当数据是ordinal时，您才能这样做。
如果您只想在正常点和异常点之间进行分类（二进制分类），而不关心异常类型本身的进一步分类，最常见的算法之一是一类支持向量机（OC-SVM）。
异常在本质上是不可预测的，有时难以复制和记录。因此，通常缺乏异常数据，监督学习方法会受到影响，因为如果你牺牲一些“宝贵的”异常点来训练算法，你就不能用它们来测试它。
OC-SVM 的主要优点是它是半监督学习，这意味着您只使用正常数据对其进行训练，然后它可以检测在测试期间偏离训练行为的样本并将其分类为异常。因此，您“保存”了所有罕见的异常点以用于测试目的！
看看这个简短的Python 示例，它有你需要的一切：)