除了均方误差，我们是否可以使用keras中的自动编码器来检测异常？
通常，我们的想法是测量重建，并将异常分类为导致与输入显著偏差的数据点。因此，可以使用诸如mae之类的其他规范。然而，结果可能会非常相似。
我建议使用不同风格的自动编码器。首先，如果你还没有使用它，变分自动编码器在各个方面都比标准自动编码器好。
其次，利用重构概率可以显著提高变分自动编码器的性能。其思想是不仅为潜在空间而且为特征空间输出概率分布的参数。这意味着当与连续数据一起使用时，解码器将输出均值和方差来参数化正态分布。则重建概率基本上是正态分布CCD_ 2的负对数似然。使用2-西格玛规则，方差可以被解释为置信区间，因此即使是小误差也会导致高误差。
除此之外，还有其他风格，如vae-gan，它结合了vae和gan，使用了具有重建误差和鉴别器预测的组合异常分数。此外，根据您的问题类型，您还可以使用vae-sl，它在瓶颈中添加了一个额外的分类器。然后在混合数据上训练模型，该混合数据可以被完全标记或稀疏标记。然后分类器可以用于异常检测。