今天看了高维数据下的异常检测:
在实际场景中,很多数据集都是多维度的。随着维度的增加,数据空间的大小(体积)会以指数级别增 长,使数据变得稀疏,这便是维度诅咒的难题。维度诅咒不止给异常检测带来了挑战,对距离的计算, 聚类都带来了难题。例如基于邻近度的方法是在所有维度使用距离函数来定义局部性,但是,在高维空 间中,所有点对的距离几乎都是相等的(距离集中),这使得一些基于距离的方法失效。在高维场景 下,一个常用的方法是子空间方法。
集成是子空间思想中常用的方法之一,可以有效提高数据挖掘算法精度。集成方法将多个算法或多个基 检测器的输出结合起来。其基本思想是一些算法在某些子集上表现很好,一些算法在其他子集上表现很 好,然后集成起来使得输出更加鲁棒。集成方法与基于子空间方法有着天然的相似性,子空间与不同的 点集相关,而集成方法使用基检测器来探索不同维度的子集,将这些基学习器集合起来。
两个方法:feature bagging or isolation forest
两个方法我都不是很懂,所以我决定还是先去看什么是bagging。这个对我更有用一点。