ad_examples 项目使用教程

ad_examples 项目使用教程

ad_examples A collection of anomaly detection methods (iid/point-based, graph and time series) including active learning for anomaly detection/discovery, bayesian rule-mining, description for diversity/explanation/interpretability. Analysis of incorporating label feedback with ensemble and tree-based detectors. Includes adversarial attacks with Graph Convolutional Network. 项目地址: https://gitcode.com/gh_mirrors/ad/ad_examples

1. 项目目录结构及介绍

ad_examples/
├── datasets/
│   └── datasets_stream/
│       └── anomaly/
├── documentation/
│   └── figures/
├── temp/
├── aad-job/
├── aad/
├── compare_fbonline.txt
├── gan.sh
├── glad.sh
├── iso_gan.sh
├── requirements.txt
├── rough-forest-aad.txt
├── rough-glad.txt
├── rough-rules.txt
├── setup.py
├── test_aad.ipynb
├── README.md
├── LICENSE
└── ...

目录结构介绍

• datasets/: 包含项目使用的数据集，特别是 datasets_stream/anomaly/ 目录下存放了用于异常检测的数据集。
• documentation/: 包含项目的文档和相关图表，figures/ 目录下存放了文档中使用的图表。
• temp/: 用于存放项目运行时生成的临时文件和日志。
• aad-job/ 和 aad/: 包含与 AAD（Active Anomaly Discovery）算法相关的代码和脚本。
• compare_fbonline.txt, gan.sh, glad.sh, iso_gan.sh: 这些是项目中使用的脚本文件，用于执行不同的异常检测任务。
• requirements.txt: 列出了项目依赖的 Python 库，可以通过 pip install -r requirements.txt 安装。
• rough-forest-aad.txt, rough-glad.txt, rough-rules.txt: 这些文件可能包含与异常检测算法相关的配置或参数。
• setup.py: 项目的安装脚本，可以通过 pip install . 安装项目。
• test_aad.ipynb: Jupyter Notebook 文件，包含项目的示例代码和使用说明。
• README.md: 项目的介绍和使用说明。
• LICENSE: 项目的开源许可证。

2. 项目启动文件介绍

启动文件

• test_aad.ipynb: 这是一个 Jupyter Notebook 文件，提供了项目的示例代码和使用说明。通过运行这个 Notebook，用户可以了解如何使用项目中的异常检测算法。

启动步骤

1. 安装项目依赖：

   pip install -r requirements.txt
   

2. 启动 Jupyter Notebook：

   jupyter notebook
   

3. 在 Jupyter Notebook 中打开 test_aad.ipynb，按照 Notebook 中的说明运行代码。

3. 项目的配置文件介绍

配置文件

• requirements.txt: 列出了项目依赖的 Python 库，可以通过 pip install -r requirements.txt 安装。
• setup.py: 项目的安装脚本，可以通过 pip install . 安装项目。
• rough-forest-aad.txt, rough-glad.txt, rough-rules.txt: 这些文件可能包含与异常检测算法相关的配置或参数。

配置说明

• requirements.txt: 该文件列出了项目运行所需的 Python 库及其版本。用户可以通过以下命令安装这些依赖：

  pip install -r requirements.txt
  

• setup.py: 该文件用于项目的安装。用户可以通过以下命令安装项目：

  pip install .
  

• rough-forest-aad.txt, rough-glad.txt, rough-rules.txt: 这些文件可能包含与异常检测算法相关的配置或参数。用户可以根据需要修改这些文件中的参数，以调整算法的性能。

通过以上步骤，用户可以顺利启动和配置 ad_examples 项目，并开始使用其中的异常检测算法。

ad_examples A collection of anomaly detection methods (iid/point-based, graph and time series) including active learning for anomaly detection/discovery, bayesian rule-mining, description for diversity/explanation/interpretability. Analysis of incorporating label feedback with ensemble and tree-based detectors. Includes adversarial attacks with Graph Convolutional Network. 项目地址: https://gitcode.com/gh_mirrors/ad/ad_examples