表格异常检测中反直觉似然行为为何罕见

表格数据中异常样本获更高似然的现象很少见。

资讯摘要

论文研究基于可处理似然（如 normalizing flow）的异常检测在表格数据中的表现。作者提出一个与领域无关的形式化定义，用于一致地检测和评估“异常数据获得更高似然”的反直觉现象。在 47 个表格数据集、13 个基线模型以及 ADBench 的 10 个 CV/NLP 嵌入数据集上实验显示，该现象在一般表格数据中持续罕见，normalizing flow 似然取得有竞争力的检测性能；作者从维度和特征相关性差异给出理论与实证分析。

要点速读

1. 论文提出与领域无关的形式化定义，用于检测和评估反直觉似然现象。
2. 在 47 个表格数据集、13 个基线模型及 ADBench 的 10 个 CV/NLP 嵌入数据集上，该现象在一般表格数据中持续罕见。
3. 作者报告 normalizing flow 似然在表格异常检测中表现有竞争力，并将差异归因于表格与图像数据在维度和特征相关性上的不同。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。