1、异常检测入门：概念、类别与应用场景

异常检测入门：概念、类别与应用场景

1. 异常的定义

在深入了解异常检测之前，我们需要明确什么是异常。一般来说，异常是指偏离预期的结果或值，但判定异常的具体标准会因情况而异。

1.1 异常天鹅的例子

为了更好地理解异常的概念，我们来看一个关于天鹅的例子。假设我们在湖边观察天鹅，多年来看到的天鹅都是白色的，因此我们合理地认为这个湖的天鹅正常颜色应该是白色。然而，有一天一只黑天鹅飞来了，这只黑天鹅完全违背了我们之前的认知，它就是一个异常。

我们可以用两种方式来解释为什么这只黑天鹅是异常：
- 归纳推理 ：由于我们观察到这个湖的绝大多数天鹅都是白色的，通过类似归纳推理的过程，我们认为这里天鹅的正常颜色是白色。基于之前只见过白天鹅的假设，我们自然会将这只黑天鹅标记为异常。
- 概率角度 ：假设这个湖总共有 1000 只天鹅，其中只有 2 只是黑天鹅，那么一只天鹅是黑色的概率就是 2 / 1000，即 0.002。根据概率阈值（即被认为正常的结果或事件的最低概率），这只黑天鹅因其极低的出现概率，我们会将其视为异常。

1.2 异常作为数据点

我们可以将这个概念扩展到实际应用中。以一个生产螺丝的工厂为例，为了确保产品质量，工厂会从每批螺丝中抽样检测，测量每个抽样螺丝的密度和抗拉强度（螺丝在受力时抵抗断裂的能力）。

如上图所示，虚线表示允许的密度和抗拉强度范围，实线形成一个边界框，框内的任何密度和抗拉强度值都被认为是合格