异常检测的迁移 Neyman-Pearson 算法
机器学习
2025-01-06 v1 机器学习
摘要
我们考虑的是在异常数据稀缺的迁移学习问题。虽然传统平衡分类已广泛考虑迁移学习，但在异常检测和更广泛的不平衡分类setting下迁移问题受到的关注较少。我们提出了一个通用的元算法，理论上可针对一系列异常分布变化提供强有力的保证，同时易于实际实现。我们然后研究了这种通用元算法的不同实例，例如基于多层神经网络，并通过实验证明它们在性能上优于针对传统平衡分类设置（目前唯一可用的解决方案）的自然扩展方法。
关键词
引用
@article{arxiv.2501.01525,
title = {Transfer Neyman-Pearson Algorithm for Outlier Detection},
author = {Mohammadreza M. Kalan and Eitan J. Neugut and Samory Kpotufe},
journal= {arXiv preprint arXiv:2501.01525},
year = {2025}
}