Как ставить задачу anomaly detection относительно классификации?

Если аномалий мало и разнородны — часто unsupervised/semi (isolation forest, autoencoder, Mahalanobis) + экспертная проверка; если стабильный редкий класс с метками — можно supervised с осторожными метриками.

Разбор

• Concept drift аномалий высок.
• Порог на score и cost FP.
• Чистые метки редки и дороги.
• Не смешивать «outlier» и «fraud label» без анализа.

Итог

Аномалии — часто задача скоринга редкости, не обычной классификации.