我正在尝试通过机器学习预测一个连续值来解决一个回归问题。我的数据集由6个浮点数列组成。

数据来自低价传感器，这解释了为什么我们很可能会遇到一些可以被认为是异常的值。为了解决这个问题，在预测我的连续目标之前，我将预测数据异常，并将其用作数据过滤器，但我的数据没有标签，这意味着我面临的是无监督异常检测问题。

用于此任务的算法包括局部异常因子、单类支持向量机、隔离森林、椭圆包络和DBSCAN。

在拟合这些算法后，需要评估它们以选择最佳的一个。有人知道如何评估无监督算法的异常检测吗？

回答：

唯一的方法是生成合成异常，这意味着根据你对典型异常的了解，主动引入异常值。