Что такое PCA-based аномалия и какой вид угла к подпространству?

PCA-based аномалия — это метод обнаружения аномалий, основанный на анализе главных компонент (Principal Component Analysis, PCA). Идея в том, что нормальные данные лежат близко к подпространству, сформированному главными компонентами, а аномалии — далеко от него.

В этом контексте используют угол между вектором наблюдения и подпространством главных компонент. Обычно рассматривают угол между вектором данных и проекцией этого вектора на подпространство. Большой угол указывает на то, что точка плохо описывается главными компонентами и, следовательно, может быть аномалией.

Проще говоря, если представить подпространство как «нормальное поведение», то угол показывает, насколько отклоняется точка от этого поведения. Чем больше угол, тем более вероятна аномалия.