LLM还能拿来做异常检测

我从csdn上一路找原文章找到了这一篇

它使用distilbert-base-uncased这个模型给表格数据做文本embedding，并且期望这个LLM已经蕴含了合理的房产相关信息，因此对于没见过的异常房产信息，一定会产生一个与大多数信息embedding都不一样的embedding。

这是它的代码

具体来说，对于以下图中的表格房产数据，先转成自然语言。

然后扔进前面提到的大模型，distilbert-base-uncased，从名字也能看出来是bert的蒸馏模型。

收集一堆embedding后，假设我们已经有了一批好数据，则在UMAP降维算法的帮助下，能够轻易地把好数据的分布可视化，而且聚类也很好做，就找到了一堆聚类中心。

如何检测异常呢？一条数据来了，它可能和所有聚类中心都距离很远，这就不对劲了。

这是他的实验结果
使用2%的异常数据，Anom Quantile置信度0.55，异常列大概意思是随机选4列变成异常值？总之最后性能极好。