3.2.3 特征空间异常识别

文档摘要

3.2.3 特征空间异常识别 3.2.3 特征空间异常识别：基于 Mahalanobis 距离的协方差正则化实战优化在构建现代异常检测系统时，特征空间异常识别是核心环节之一。我们常依赖统计距离度量来判断一个样本是否偏离正常行为模式。欧氏距离虽简单直观，却忽略了特征之间的相关性与尺度差异；而 Mahalanobis 距离（马氏距离）因其能自适应地考虑特征协方差结构，成为工业界广泛采用的标准工具。然而，在真实场景中，直接使用样本协方差矩阵进行 Mahalanobis 距离计算，往往导致系统在高维、小样本或噪声干扰下严重失效——这正是许多工程师在落地过程中踩过的“坑”。