- 博客(5)
- 收藏
- 关注
RSS订阅原创 高维数据的异常检测方法
Feature Bagging的通用算法如下：Feature Bagging两个不同的组合分数方法：广度优先：累计求和:孤立森林的路径长度计算方法:参考资料：DataWhale 组队学习资料
2021-05-23 23:29:54
242
原创 异常检测的线性相关方法
基于自变量与因变量的线性回归，感觉可以看吴恩达老师的机器学习系列课程，更加简单清晰。附上在B站找到的连接：https://www.bilibili.com/video/BV164411b7dx?from=search&seid=3238795971256660338参考资料：DataWhale组队学习资料...
2021-05-17 20:49:28
168
原创 基于统计学知识的异常检测方法
以下给出一些方法的例子：基于正态分布的一元异常点检测：利用箱线图对数据分布做一个简单的统计可视化，利用数据集的上下四分位数（Q1和Q3）、中点等形成。异常点常被定义为小于Q1－1.5IQR或大于Q3+1.5IQR的那些数据。参考资料：DataWhale组队学习资料...
2021-05-14 22:30:53
424
原创 异常检测简单认识
1.基本概念异常检测（Outlier Detection），可以理解为识别与正常数据不同的数据或与预期行为差异大的数据，针对少数事件。异常的类别：点异常（point anamalies）：只有少数的实例异常条件异常（conditional anamalies）：实例的异常与否与情境有关，指特定情境下的实例是异常的群体异常（group anomalies）：实例本身可能不是异常，但其所在的群体是异常的任务分类：有监督、无监督、半监督（训练集中只有正例，异常实例不参与训练）场景：
2021-05-11 22:38:14
536
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人