【第十七章：Sentosa_DSML社区版-机器学习之异常检测】

已于 2024-09-23 15:25:56 修改
阅读量984 收藏 13
点赞数 23
分类专栏： Sentosa_DSML社区版 文章标签： 机器学习 人工智能 算法 低代码 数据分析
于 2024-09-23 13:54:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_45586013/article/details/142454906
版权

【第十七章：Sentosa_DSML社区版-机器学习之异常检测】

        机器学习异常检测是检测数据集中的异常数据的算子，一种高效的异常检测算法。它和随机森林类似，但每次选择划分属性和划分点（值）时都是随机的，而不是根据信息增益或者基尼指数来选择。

17.1 异常检测

1.算子介绍

        异常检测算子(IsolationForestNode)是检测数据集中的异常数据的算子，一种高效的异常检测算法，它和随机森林类似，但每次选择划分属性和划分点(值)时都是随机的，而不是根据信息增益或者基尼指数来选择。在建树过程中，如果一些样本很快就到达了叶子节点，那么就被认为很有可能是异常点，结果生成prediction列，值为0则正常，为1则异常。

2.算子类型

        机器学习/异常检测算子。

3.算子属性说明

属性

页面显示名称

选项
最低0.47元/天 解锁文章
博客
【Chapter 10】Zero Code development of Gradient Boosting Decison Tree algorithm_Setosa_DSML
12-24 1302
Zero Code development of Gradient Boosting Decison Tree algorithm_Setosa_DSML
博客
【Chapter 9】Zero Code development of Random Forest algorithm_Setosa_DSML
12-16 1438
Zero Code development of Random Forest algorithm_Setosa_DSML
博客
【Chapter 8】Zero Code development of Decision Tree algorithm_Setosa_DSML
12-09 1605
Zero Code development of Decision Tree algorithm_Setosa_DSML
博客
【Chapter 7】Zero Code development of XGBoost algorithm_Setosa_DSML
12-02 2135
Zero Code development of XGBoost algorithm_Setosa_DSML
博客
【Chapter 6】Machine Learning time series Case_Monthly sales forecast analysis-HoltWinters
11-25 2941
The Holt Winters algorithm is a time series prediction method. Time series prediction methods are used to extract and analyze data and statistical data, and characterize the results, in order to more accurately predict the future based on historical data.
博客
【Chapter 5】Machine Learning Regression Cases_Stock Price Prediction Analysis-XGBoost
11-18 1615
Stock prices are an unstable time series that are influenced by multiple factors. There are many external factors that affect the stock market, mainly including economic factors, political factors, and internal factors of the company. Since the emergence o
博客
【Chapter 4】Machine Learning Regression Case_Second hand Car Price Prediction-XGBoost
11-13 1660
This article aims to predict the transaction price of used cars, and constructs XGBoost regression prediction models through Python code and Sentosa_DSML community version, respectively. The models are evaluated, including the selection and analysis of eva
博客
【Chapter 3】Machine Learning Classification Case_Prediction of diabetes-XGBoost
11-12 1705
This article will utilize the diabetes dataset to construct an XGBoost classification prediction model through Python code and the Sentosa_DSML community edition, respectively. Subsequently, the model will be evaluated, including the selection and analysis
博客
【Chapter 2】Sentosa_DSML Community Edition Product Features
11-07 1471
Sentosa_DSML Community Edition Product Features
博客
【Chapter 1】Overview of Sentosa_DSML Community Edition
11-07 1714
Overview of Sentosa_DSML Community Edition
博客
【机器学习(二十六)】零代码开发之时间序列案例销量预测-Sentosa_DSML社区版
11-01 972
零代码开发之时间序列案例销量预测-Sentosa_DSML社区版
博客
【机器学习(二十五)】零代码开发之多层感知机(Multilayer Perceptron,MLP)算法-Sentosa_DSML社区版
11-01 1001
零代码开发之多层感知机(Multilayer Perceptron,MLP)算法-Sentosa_DSML社区版
博客
【机器学习(二十四)】零代码开发之因子分解机(Factorization Machines,FM)算法-Sentosa_DSML社区版
10-31 1407
零代码开发之因子分解机(Factorization Machines,FM)算法-Sentosa_DSML社区版
博客
【机器学习(二十三)】零代码开发之K近邻(K-NearestNeighbor,KNN)算法-Sentosa_DSML社区版
10-31 863
零代码开发之K近邻(K-NearestNeighbor,KNN)算法-Sentosa_DSML社区版
博客
【机器学习(二十二)】零代码开发之LightGBM算法-Sentosa_DSML社区版
10-30 1137
零代码开发之LightGBM算法-Sentosa_DSML社区版
博客
【机器学习(二十一)】零代码开发之AdaBoost算法-Sentosa_DSML社区版
10-30 1079
零代码开发之AdaBoost算法-Sentosa_DSML社区版
博客
【机器学习(二十)】零代码开发之梯度提升决策树(Gradient Boosting Decison Tree,GBDT)算法-Sentosa_DSML社区版
10-29 1046
零代码开发之梯度提升决策树(Gradient Boosting Decison Tree,GBDT)算法-Sentosa_DSML社区版
博客
【机器学习(十九)】零代码开发之随机森林(Random Forest,RF)算法-Sentosa_DSML社区版
10-29 1167
零代码开发之随机森林(Random Forest,RF)算法-Sentosa_DSML社区版
博客
【机器学习(十八)】零代码开发之决策树(Decision Tree,DT)算法-Sentosa_DSML社区版
10-28 918
零代码开发之决策树(Decision Tree,DT)算法-Sentosa_DSML社区版
博客
【机器学习(十七)】零代码开发之XGBoost算法-Sentosa_DSML社区版
10-28 943
零代码开发之XGBoost算法-Sentosa_DSML社区版
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值