[读书笔记]入門 機械学習による異常検知 1

知見(ちけん)：看到获得的情报

エキスパート：expert

しばしば：多次

ボトルネック：bottleneck

正準相関分析：

主成分分析：

http://www.snap-tck.com/room04/c01/stat/stat16/stat1601.html

プロトタイプ:原型

尤度：似然

ホテリング理論：

http://www.albert2005.co.jp/technology/machine_learning/anomaly_detection.html

マハラノビス距離：马氏距离

异常检测模型的构成方法一般有3个步骤

1.制作正常的概率分布模型

2.异常度的定义

3.阈值的设定

异常检测的三大要素：分布，异常度和阈值

正常状态的模型制作条件

1.假定一个包含未知的参数的概率分布模型

2.未知参数要适合数据

这个步骤由机器学习来完成

从数据来求得正常模型有以下几个问题

1.密度推定问题

2.降低维度

3.回归问题

4.分类问题

5.时间序列解析问题

如果求出正常时的概率分布p(x)的话

1.正常时出现几率低的观测值的异常度高

2.正常时出现几率高的观测值的异常度低

异常度：a(x)=-lnp(x)