最近要开始一个新的项目，需要在正常的某种行为中，检测出异常的行为。在没有得到数据前对于此类问题的学习进行一下总结。
个人觉得，在得到一个对上述项目较为笼统的描述和没有实际数据的情况下，可以将这个项目分为3种情况，之后再根据得到的实际数据对号入座，进行正确分类。
case1 ： 训练数据中存在target列，并且target列中有0（正常）或者 1（异常）。这种情况下，该项目属于有监督学习中的binary classification问题。
case2 ：训练数据中没有target列，根据已知的信息，我们知道在数据中既存在正常行为的数据，也存在异常行为的数据。这种情况下，该项目属于无监督学习中的异常值检测问题。
case3 ： 训练数据可能有target列，可能没有target列。如果存在target列，但是只有0（正常）一种值；如果不存在target列，根据已知的信息，我们知道数据只存在正常行为的数据。这两种情况都可以归类为半监督学习的奇异值检测问题。
目前，我知道项目数据倾向于case2 和 case3 中的一种，所以在这里主要介绍一下异常值和奇异值检测的概念和相关算法。
首先明确一下异常值检测和奇异值检测的主要区别：
异常值检测：训练数据中含有异常值，通过相关算法找到训练数据的中心模式，忽略偏差观测值，从而检测出异常值。
奇异值检测：训练数据不包含异常值，只含有positive（正常）的数据，通过算法学习其pattern。之后用于检测未曾看到过新数据是否属于这个pattern，如果属于，该新数据是positive，否则negative，即奇异值。
异常值检测和奇异值检测都属于异常检测（anomaly detection），其中异常值检测又被称为无监督异常检测，奇异值检测又被称为半监督异常检测。
异常值检测的算法：
在https://scikit-learn.org/stable/modules/outlier_detection.html中提到sklearn中的ensemble.IsolationForest 和 neighbors.LocalOutlierFactor 算法在异常值检测时具有较好的表现。但是我尝试使用一组数据进行异常值检测，发现cluster.KMeans 和 cluster.SpectralClustering有更好的表现，反而neighbors.LocalOutlierFactor 效果很不好。 svm.OneClassSVM 算法因为对于异常值很敏感，因此OneClassSVM算法不适合于异常值检测问题。
奇异值检测的算法：
svm.OneClassSVM 算法对于奇异值检测问题具有较好的表现。neighbors.LocalOutlierFactor 算法也可用于奇异值检测，但是需要将算法中novelty参数的值设置为True。i.e. lof=LocalOutlierFactor(novelty=True)。并且没有fit_predict function，此时需要用predict, decision_function 和 score_sampleson functions 用于新的观测数据而不是训练数据。除此之外，还有network的一种常用算法，可用于奇异值检测：autoencoder算法。对于该算法，本人尝试使用keras或者PyOD进行实现。通过一组数据进行奇异值检测，svm.OneClassSVM 对于我的数据有相对最好的表现。
总结
1. 明确问题是有监督学习的分类问题还是无监督学习的聚类问题，或者是半监督学习的奇异值检测问题。
2. 如果是无监督学习的异常值检测问题，根据我的测试结果，可以首先尝试cluster.KMeans 和 cluster.SpectralClustering 算法，然后使用ensemble.IsolationForest，neighbors.LocalOutlierFactor 等算法。
3. 如果是半监督学习的奇异值检测问题，根据我的测试结果，可以首先尝试svm.OneClassSVM 算法，然后使用neighbors.LocalOutlierFactor，autoencoder等算法。
仍然是那句话，没有一个算法可以适用于所有的数据，要通过进行大量测试与试验，才可以找到适合自己问题的最佳算法。希望小伙伴都可以得到满意的结果！！！
