概率离群点检测与生成
机器学习
2020-12-24 v1
摘要
通过将数据提升到概率分布空间（该空间无法解析表达，但可使用神经生成器从中采样），我们引入了一种离群点检测与生成的新方法。给定未知潜在内部点与离群点分布的混合，采用Wasserstein双自编码器来检测和生成内部点与离群点。所提方法名为WALDO（用于学习离群点分布的Wasserstein自编码器），在包括MNIST、CIFAR10和KDD99在内的经典数据集上针对检测准确率与鲁棒性进行了评估。我们给出了一个真实零售销售数据集上的离群点检测示例，以及一个用于模拟入侵攻击的离群点生成示例。但我们预见WALDO可使用的应用场景很多。据我们所知，这是首个同时研究离群点检测与生成的工作。
引用
@article{arxiv.2012.12394,
title = {Probabilistic Outlier Detection and Generation},
author = {Stefano Giovanni Rizzo and Linsey Pang and Yixian Chen and Sanjay Chawla},
journal= {arXiv preprint arXiv:2012.12394},
year = {2020}
}