我目前正在阅读论文Likelihood Ratios for Out-of-Distribution Detection,似乎他们的问题与异常检测问题非常相似。更准确地说,给定一个在由类组成的数据集上训练的神经网络和,然后他们可以检测到神经网络的输入是否与这三个类不同。他们所做的与常规异常检测有什么区别?
分布外检测和异常检测有什么区别?
人工智能
神经网络
比较
文件
异常检测
2021-10-28 19:05:12
1个回答
您的观察是正确的,尽管术语需要一些解释。
术语“分布外”(OOD)数据是指在不同时间收集的数据,可能在不同条件下或在不同环境中收集,然后收集数据以创建模型。他们可能会说这些数据来自“不同的分布”。
分发中的数据可以称为新奇数据。新颖性检测是当您有新数据(即 OOD)并且您想知道它是否在分发中时。你想知道它是否看起来像你训练的数据。异常检测是指您测试数据以查看它是否与您训练模型的不同。分布外检测本质上是在 OOD 数据上运行模型。因此,需要获取 OOD 数据并进行新奇检测或异常检测(又称异常值检测)。
下图来自什么是异常检测?
在时间序列建模中,术语“分布外”数据类似于“样本外”数据,“分布内”数据类似于“样本内”数据。
其它你可能感兴趣的问题