机器学习实战：异常检测新视角

"《实用机器学习：异常检测新视角》是由O'Reilly在2014年出版的一本书，作者是Ted Dunning和Ellen Friedman。这本书深入探讨了异常检测在机器学习中的应用，涉及领域广泛，如金融安全、自然科学、医学以及市场营销等。异常检测是通过机器学习程序实现的一种人工智能形式，随着数据量的不断增长和新型数据（如来自各种物体的传感器数据）的出现，自动决策的需求也在增加。书中强调了异常检测的魅力在于发现不寻常之处，如同追踪谜团一般。 在异常检测中，机器学习扮演着关键角色。它能够处理大量数据，识别出与正常模式偏离的模式，帮助检测欺诈行为或异常活动。MapR提供的Sandbox是一个用于Hadoop的拖放式沙箱环境，提供了免费的全功能虚拟机，用户可以通过点选教程来学习和实践Hadoop以及书中提到的异常检测方法。 作者Ted Dunning和Ellen Friedman在书中介绍了如何利用这些工具和技术来实施异常检测。他们强调了在实际应用中，理解数据的上下文和构建有效的特征工程是成功进行异常检测的关键。此外，书中可能涵盖了监督和无监督学习算法，如聚类、决策树、支持向量机以及神经网络等，这些都可以用来识别数据集中的异常点。 书中的内容可能还包括如何评估模型的性能，比如使用ROC曲线和AUC指标，以及如何调整参数以优化模型。此外，书中可能还会讨论在线学习和流式数据分析，这对于处理实时或大规模数据流的异常检测尤其重要。作者可能会讲解如何处理不平衡数据集，因为异常通常只占数据的很小一部分。 最后，该书可能还涵盖了在业务环境中部署机器学习模型的挑战，包括模型解释性、可维护性和持续监控。这使得读者不仅能够理解和实施异常检测算法，还能了解如何将这些技术成功地应用于实际工作场景，以提升各类业务的安全性和效率。" 注意，以上信息是根据给出的书籍标题、描述和标签进行的推断，具体细节可能会因书中的实际内容而有所不同。