不同类型的异常检测技术：
- 点异常检测：识别显著偏离数据集中其余部分的单个数据点。
- 上下文异常检测：基于特定上下文条件（如时间、地点）检测异常，某个值在全局范围内可能正常，但在其上下文中却是异常的。
- 集体异常检测：将一组数据点标记为异常，当它们的组合行为不寻常时，即使单个点看起来正常。
- 监督式异常检测：使用带有已知异常标签的数据来训练模型，以区分正常和异常实例。
- 无监督异常检测：假设大多数数据是正常的，将显著不同的点识别为异常，无需标签数据。
- 半监督异常检测：仅使用正常数据进行训练，将偏离所学正常模式的偏差检测为异常。
- 基于统计的方法：对数据分布建模，将落在低概率区域的点标记为异常。
- 基于距离的方法：将特征空间中远离其邻居的点定义为异常。FINISHED
