标签：分数 得分 阈值 数据 检测 cost 深度 table 异常

有label的数据：
确定一个信心分数阈值，Classifier得出的信心分数大于阈值，才表明是正常数据

如何确定信心分数阈值：
先定义一个cost table，表明false alarm和missing的得分，根据cost table计算特定阈值的得分，使用得分最高者阈值

无label的数据：
方法1: 假设数据符合高斯分布，最大化似然函数，得到均值和标准差，然后根据统计再定义一个阈值，就可以判断是否是异常数据
方法2: 用正常数据训练一个auto-encoder，异常数据解码会失败

标签：分数,得分,阈值,数据,检测,cost,深度,table,异常
来源： https://www.cnblogs.com/ai-learning-blogs/p/13730437.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。