前言

  异常检测顾名思义就是检测异常。当产生的数据或者现象偏离正常集群时，我们认为其异常。其中，做好异常检测的预测与判断可以帮助很多行业减少损失。在这小节，我们先来学习一下异常检测与无监督学习。

一、异常检测

1、是什么

  异常点检测，通常也被称为离群点检测，是找出与预期对象的行为差异较大的对象的一个检测过程。检测出来的数据被称为异常点或者离群点。异常点在生产生活中有比较多的应用，例如广告点击反作弊、设备损坏等。异常点是一个数据对象，明显不同于其他的数据对象。

2、前提假设

  (1) 异常数据跟样本中大多数数据不太一样;
  (2) 异常数据在整体数据样本中占比相对比较小。

3、意义

  (1)很多场景没有标签或者标签比较少，不能训练监督模型（因此异常检测一般是无监督的）；
  (2) 样本总是在发生变换，只能从一个小群体内部发现异常；
  (3)异常检测假设异常样本数据量占比较少，并且在某种维度上远离其他样本，符合个体异常的先验知识，在团体异常不太适用；
  (4) 样本群体有异构成分，可以对样本进行筛选。

二、无监督学习

1、是什么

  无监督学习是机器学习领域内的一种学习方式。从名字来看就是没有监督的学习方式。

2、监督学习VS无监督学习

  (1)监督学习是一种目的明确的训练方式，你知道得到的是什么；而无监督学习则是没有明确目的的训练方式，你无法提前知道结果是什么。
  (2)监督学习需要给数据打标签；而无监督学习不需要给数据打标签。
  (3)监督学习由于目标明确，所以可以衡量效果；而无监督学习几乎无法量化效果如何。
  (4)监督学习训练模型需要大量的数据集；而无监督学习不需要训练集进行模型的训练。

总结

  通过无监督学习，我们可以快速把行为进行分类，虽然我们不知道这些分类意味着什么，但是通过这种分类，可以快速排出正常的用户，更有针对性的对异常行为进行深入分析。因此，在异常检测中，使用无监督算法辅以离群算法的加成，我们可以判断出哪些节点原理正常集群，从而进行判断。
  以上内容参考自以下网站：

https://blog.csdn.net/weixin_41362649/article/details/105192615（无监督算法与异常检测）
https://easyai.tech/ai-definition/unsupervised-learning（无监督学习 – Unsupervised learning | UL）