找到一个function取侦测data是否正常：
正常（normal）：和training data 像的data
异常（anomaly）：和training data 不同的data
举个例子：
用classifier作异常侦测：
在output答案的同时，得到做出是这个答案的信心分数 （
作为判断是或不是的边界）
侦测错误分为两类：
1、把正常的侦测为异常 false alarm
2、把异常的侦测为正常（即：异常未侦测出来） missing
具体情况要根据需要给这两类错误加一定的权值cost来作为重视程度，从而会计算出不同的value来评价这个detection的好坏：
举个例子：
把每个玩家抽象成一个其特征的向量来train：
将一个图像之上的点数值化：
其他方法：