กรณีทั่วไปหนึ่งกรณีสำหรับการประยุกต์ใช้การประมาณความหนาแน่นคือการตรวจจับความแปลกใหม่หรือการตรวจจับที่ผิดปกติซึ่งเป็นความคิดที่ว่าคุณเท่านั้น (หรือส่วนใหญ่) มีข้อมูลประเภทหนึ่ง แต่คุณสนใจข้อมูลที่แตกต่างเชิงคุณภาพที่หาได้ยากมาก กรณีทั่วไปเหล่านั้น
ตัวอย่างคือการตรวจจับการฉ้อโกงการตรวจจับความล้มเหลวในระบบและอื่น ๆ นี่เป็นสถานการณ์ที่ยากมากและ / หรือมีราคาแพงในการรวบรวมข้อมูลประเภทที่คุณสนใจกรณีที่หายากเหล่านี้คือกรณีที่มีความน่าจะเป็นต่ำ
เวลาส่วนใหญ่คุณไม่สนใจที่จะประเมินการกระจายที่แน่นอนอย่างแม่นยำ แต่ในอัตราต่อรองสัมพัทธ์
มีบทเรียนและบทวิจารณ์มากมายในหัวข้อนี้ นี้อย่างใดอย่างหนึ่งอาจจะเป็นหนึ่งที่ดีที่จะเริ่มต้นด้วย
แก้ไข: สำหรับบางคนดูเหมือนว่าใช้การประเมินความหนาแน่นสำหรับการตรวจหาค่าผิดปกติ ก่อนอื่นให้เราเห็นด้วยกับสิ่งหนึ่ง: เมื่อมีคนเข้ากับโมเดลผสมกับข้อมูลของเขาเขากำลังทำการประเมินความหนาแน่น โมเดลผสมแสดงการกระจายของความน่าจะเป็น
kNN และ GMM เกี่ยวข้องกันจริง: เป็นสองวิธีในการประมาณความหนาแน่นของความน่าจะเป็น นี่เป็นแนวคิดพื้นฐานสำหรับวิธีการต่างๆในการตรวจจับสิ่งแปลกใหม่ ตัวอย่างเช่นนี้หนึ่งใน kNNs นี้ตามคนอื่น ๆขึ้นอยู่กับหน้าต่าง Parzen (ซึ่งเน้นความคิดนี้มากที่จุดเริ่มต้นของกระดาษ) และอีกหลาย ๆคนอื่น ๆ
ดูเหมือนว่าฉัน (แต่มันเป็นเพียงการรับรู้ส่วนบุคคลของฉัน) ที่มากที่สุดถ้าไม่ได้ทำงานกับความคิดนี้ คุณจะแสดงความคิดเห็นเกี่ยวกับเหตุการณ์ที่ผิดปกติ / หายากได้อย่างไร