35、可解释的无监督异常检测

可解释的无监督异常检测

在金融审计领域，异常检测是一项至关重要的任务。然而，由于缺乏标记数据以及数据的高度不平衡性，传统的异常检测方法面临诸多挑战。本文将介绍一种可解释的无监督异常检测方法，该方法通过集成多种算法和提供可解释性的解释，有效地解决了这些问题。

1. 特征定义

在进行异常检测之前，需要明确一些关键特征。对于账户（ACC）相关的数据，包含以下特征：
- 周转标准差（Turnover Standard Deviation） ：计算每个账户营业额的标准差。
- 周转最大偏差（Turnover Maximum Deviation） ：计算每个账户修改后的z分数的最大值，内部使用营业额的中位数绝对偏差。
- 周转平滑度（Turnover - Degree of Smoothness） ：将平滑营业额值的比例作为异常检测（AD）的特征。
- 周转与本福德分布的符合程度（Turnover - Degree of Accordance with Benford Distribution） ：本福德定律指出，在许多数字集合中，首位数字1出现的概率约为30%，而预期概率为11.1%。这是探测财务欺诈的常用分析工具。
- 周转与上一年同期的符合程度（Turnover - Accordance with Period of Previous Year） ：该特征描述了当前营业额与上一年营业额的比较值。
- 税率（Tax Rate）