基于风险估计器的半监督分类异常检测
机器学习
2023-09-04 v1
摘要
单类分类异常检测方法的一个显著局限是依赖未标记训练数据仅包含正常实例的假设。为克服这一不切实际的假设，我们提出两种新颖的基于分类的异常检测方法。首先，我们引入一种基于无偏风险估计器的半监督浅层异常检测方法。其次，我们提出一种利用非负（有偏）风险估计器的半监督深度异常检测方法。我们为两个风险最小化器建立了估计误差界和超额风险界。此外，我们提出选择适当正则化参数的技术，以在特定损失函数下确保浅层模型中经验风险的非负性。我们大量的实验有力证明了基于风险的异常检测方法的有效性。
引用
@article{arxiv.2309.00379,
title = {Anomaly detection with semi-supervised classification based on risk estimators},
author = {Le Thi Khanh Hien and Sukanya Patra and Souhaib Ben Taieb},
journal= {arXiv preprint arXiv:2309.00379},
year = {2023}
}