5.3 半监督学习方法 (如One-Class SVM, Isolation Forest)

文档摘要

5.3 半监督学习方法 (如One-Class SVM, Isolation Forest) 5.3 半监督学习方法在时间序列异常检测中，半监督学习方法扮演着重要的角色。与监督学习需要大量带标签的数据不同，半监督学习方法只需要少量正常数据（或假设大部分数据是正常的）来训练模型，然后用于检测异常。这在实际应用中非常有用，因为获取异常数据的标签往往成本很高，甚至不可行。 5.3.1 概述半监督学习方法的核心思想是利用正常数据的分布特征来定义一个“正常区域”，任何偏离该区域的数据都被认为是异常。常见的半监督学习方法包括 One-Class SVM 和 Isolation Forest 等。