制定计划来监控和评估系统未来的成功

ayesha983

一旦检测到异常，确定系统下一步将做什么。例如，将异常发送给另一个团队进行进一步分析和审查，对相关资产/帐户自动采取行动等。
确定哪种异常检测频率（实时与批量）适合当前的业务和用例。
2. 获取数据
拥有尽可能多的异常检测数据将使模型更加准确，因为您永远不知道哪些特征可能预示着异常。使用多种类型和来源的数据可以让企业超越点异常，识别更复杂的上下文或集体异常。换句话说，多样性是关键。

例如，从欺诈检测来看，交易数据 多米尼加共和国电报数据 可能并不异常，因为欺诈者一直保持在实际用户习惯的“正常”范围内。但来自 ATM 使用或帐户网络日志的数据可能会揭示异常。  

3.探索、清理和丰富数据
在进行异常检测时，这一阶段比平时更为重要，因为数据中通常包含噪声（通常是人为错误或非人为错误），这些噪声往往与实际异常相似。因此，区分两者并删除可能产生误报的任何有问题的数据至关重要。

在理想情况下，您有足够数量的带标签数据可以开始；也就是说，您能够利用哪些记录代表异常、哪些记录代表正常的信息来丰富您拥有的数据集。如果可能的话，从您知道是异常还是正常的数据开始是开始构建异常检测系统的首选方法，因为这将是最简单的前进道路，允许使用带分类的监督方法（而不是无监督的异常检测方法）。