一、关于异常检测
异常检测（outlier detection）在以下场景：
- 数据预处理
- 病毒木马检测
- 工业制造产品检测
- 网络流量检测、
- 信用卡诈骗
下面主要介绍一些检测算法，后续还会更新。。。
1. OneClassSVM
One Class SVM是指你的training data只有一类positive（或者negative）的data，而没有其他的类。在这里，你需要learn的实际上是你training data的boundary。而这时不能使用maximum margin了。
这样就变成了与SVM类似的最优化问题，将其转换为拉格朗日函数。。。
具体原理可见《图解机器学习》
sklearn实现：OneClassSVM
主要参考官网的该案例：One-class SVM with non-linear kernel (RBF)
2. 局部异常因子算法-Local Outlier Factor(LOF)
具体原理可见《图解机器学习》
python实现的lof算法：
https://github.com/damjankuznar/pylof
https://github.com/wangyibo360/pylof
3.iForest （Isolation Forest）孤立森林
详情见：https://www.jianshu.com/p/5af3c66e0410
代码实现：
http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.IsolationForest.html