- 博客(6)
- 收藏
- 关注
RSS订阅
原创 Datawhale组队学习【数据挖掘-异常检测-TASK5】
Datawhale组队学习【数据挖掘-异常检测-TASK5】前言1、引言2、Feature Bagging3、Isolation Forests4、代码实践5、总结6、练习前言异常检测TASK5主要内容：学习高位数据的异常检测方法了解集成方法的思想理解feature bagging原理掌握孤立森林算法内容来自datawhale组队学习讲义：https://gitee.com/dreamzll/team-learning-data-mining/blob/master/AnomalyDe
2021-05-23 18:47:26
206
原创 Datawhale组队学习【数据挖掘-异常检测-TASK4】
Datawhale组队学习【数据挖掘-异常检测-TASK4】前言一、基于距离的度量1.1 基于单元的方法1.2 基于索引的方法二、基于密度的度量2.1 k-距离（k-distance(p)）：2.2 k-邻域（k-distance neighborhood）：2.3 可达距离（reachability distance）：2.4 局部可达密度（local reachability density）：2.5 局部异常因子：三、实践四、总结前言异常检测TASK4主要内容：1 理解基于距离的异常检测方法
2021-05-20 21:21:41
153
原创 Datawhale组队学习【数据挖掘-异常检测-TASK3】
Datawhale组队学习【数据挖掘-异常检测-TASK3】前言二、线性回归三、主成分分析四、回归分析的局限性五、总结前言异常检测TASK3主要内容：1 理解线性回归2 掌握主成分分析的异常检测方法真实数据集中不同维度的数据通常具有高度的相关性，这是因为不同的属性往往是由相同的基础过程以密切相关的方式产生的。在古典统计学中，这被称为——回归建模，一种参数化的相关性分析。 一类相关性分析试图通过其他变量预测单独的属性值，另一类方法用一些潜在变量来代表整个数据。前者的代表是 线性回归，后者一
2021-05-17 18:11:48
122
原创 Datawhale组队学习【数据挖掘-异常检测-TASK2】
Datawhale组队学习【数据挖掘-异常检测-TASK2】前言一、概述二、参数方法2.1正态分布的一元异常点检测2.2多元异常点检测3.非参数方法4.基于角度的方法5.HBOS总结前言异常检测TASK2主要介绍基于统计学的方法，仅通过统计的理论和知识就可以快速对数据中的异常点进行检测。一、概述统计学 是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。统计学用到了大量的数学及其它学科的专业知识，其应用范围几乎覆盖了社会科学和自然科学的各个领域。在
2021-05-14 18:07:09
151
原创 Datawhale组队学习【数据挖掘-异常检测-TASK1】
Datawhale组队学习【数据挖掘-异常检测-TASK1】前言TASK01 【异常检测介绍】⭐了解异常检测基本概念⭐了解异常检测基本方法尾声功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入前言第一次参加DataWhale的组队
2021-05-11 12:48:39
151
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