Red PANDA：通过去除干扰因素消除异常检测的歧义
计算机视觉与模式识别
2022-07-08 v1 机器学习
摘要
异常检测方法力求以语义方式发现偏离常态的模式。这一目标存在歧义，因为某个数据点在某一属性（例如年龄、种族或性别）上偏离常态，可能被某些操作员视为异常，而另一些操作员可能认为该属性无关紧要。不同于以往研究，我们提出了一种新的异常检测方法，允许操作员将某一属性排除在被视为与异常检测相关的属性之外。我们的方法随后学习不包含关于干扰属性信息的表示。异常评分使用基于密度的方法进行。重要的是，我们的方法不需要指定与检测异常相关的属性（这在异常检测中通常是不可能的），而只需指定要忽略的属性。我们给出了实证研究的验证，证实了方法的有效性。
引用
@article{arxiv.2207.03478,
title = {Red PANDA: Disambiguating Anomaly Detection by Removing Nuisance Factors},
author = {Niv Cohen and Jonathan Kahana and Yedid Hoshen},
journal= {arXiv preprint arXiv:2207.03478},
year = {2022}
}