PAC-Wrap：半监督 PAC 异常检测
机器学习
2022-06-22 v2 统计理论
机器学习
统计理论
摘要
异常检测对于自动驾驶等安全关键应用防止危险结果至关重要。鉴于其安全关键性，这些应用受益于异常检测中各类错误可证明的界。为在半监督设定下实现此目标，我们提出为异常检测算法的假阴性率和假阳性检测率提供 Probably Approximately Correct (PAC) 保证。我们的方法（PAC-Wrap）几乎可以包裹任何现有的半监督和无监督异常检测方法，赋予其严格保证。我们使用多种异常检测器和数据集的实验表明，PAC-Wrap 具有广泛的的有效性。
引用
@article{arxiv.2205.10798,
title = {PAC-Wrap: Semi-Supervised PAC Anomaly Detection},
author = {Shuo Li and Xiayan Ji and Edgar Dobriban and Oleg Sokolsky and Insup Lee},
journal= {arXiv preprint arXiv:2205.10798},
year = {2022}
}
备注
Accepted by SIGKDD 2022