✏️ Anomaly Detection 이란?
Normal(정상) sample과 Abnormal(비정상)sample을 구별해내는 문제를 의미한다
이미지와 같이 정상 데이터들의 특징과 다른 데이터를 찾는 방법론이다.
Supervised Learning
- Imbalanced Classification과 유사하다.
- 정상 비정상 클래스 라벨이 모두 존재하는 데이터
| 장점 | 단점 |
|---|---|
| ◌ 정확도가 높다. | ◌ 비정상 sample을 획득하는데 시간과 비용이 많이 든다. |
| ◌ Class Imbalanced 문제를 해결해야 한다. |
예시 모델
일반 classification task와 동일하게 진행할 수 있다. Class Imbalance문제를 해결하여 Classification모델을 적용 할 수 있다.
Semi-Supervised(One-Class) Learning
- 정상 데이터의 라벨만 존재하는 데이터
| 장점 | 단점 |
|---|---|
| ◌ 정상데이터만 있어도 학습이 가능하다 | ◌ Supervised에 비해 정확도가 떨어진다 |
예시 모델
One-Class SVM, DeepSVDD
Unsupervised Learning
- 라벨이 없지만 정상이 더 많을 것을 기본 가정으로 한다.
| 장점 | 단점 |
|---|---|
| ◌ 데이터 수집이 쉽다. | ◌ 정확도가 떨어진다 |
| ◌ 라벨링 과정이 안필요하다 | ◌ hyper parameter에 민감하게 반응한다. |
예시 모델
PCA, AutoEncoder 기반 모델
✏️ 적용 분야
- 제조 데이터 불량품 검수
- 의료 데이터 병의 진단
- 게임 데이터 버그유저 판단
- 스팸 메일 검수
- CCTV 검수
