《Outlier Analysis》书籍

于 2021-12-25 01:23:03 发布
阅读量930 收藏 5
点赞数 5
文章标签： 网络协议 网络
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.csdn.net/Strive_For_Future/article/details/122138175
版权

前言：最近异常检测似乎越来越火了。。。 

这里写图片描述

 作者介绍：Charu Aggarwal（这是他的个人主页：http://www.charuaggarwal.net）。他是 IBM 的托马斯沃森研究中心的一位高级研究员。在数据挖掘领域从事多年研究，尤其对数据流、隐私、不确定数据和社交网络分析颇有兴趣，出版了15本著作，发表了300多篇论文，获得了80多项专利，还有IBM和各类会议颁布的奖项。《Outlier Analysis》便是他的代表作之一。
 

下载链接：

官方下载链接（英文版）：Outlier Analysis | Springer for Research & Development

百度云链接：英文版，提取码：9x80

百度云链接：机翻中文版，提取码：wb4l

相关读书笔记：

第一章 （部分） 异常值的评估技术

第二章 异常检测的概率和统计模型

第三章 异常检测的线性模型

第四章 基于邻近的异常检测

第五章 高维数据中的异常检测：子空间方法

第六章 异常值的集成

第七章 有监督的异常检测

第八章 分类、文本和混合属性中的异常检测

第九章 时间序列和多维流的异常检测

第十章 离散序列中的异常检测

第十一章 空间数据的异常检测

第十二章 图形和网络中的异常检测

读书笔记：

outlier analysis——第一章——概述 - 知乎

outlier analysis——第六章——集成异常检测 - 知乎

一些专栏作者：

异常检测最新综述 上篇（待续） - 知乎

《Outlier Analysis 2nd Edition》作者 Aggarwal, Charu C_思过留痕-CSDN博客

离群点检测方法_《Outlier Analysis》离群点分析 阅读笔记（1）_周周伦迷妹的博客-CSDN博客

读书笔记《Outlier Analysis》 第二章 异常检测的概率和统计模型_fu_jian_ping的博客-CSDN博客

其他：

异常检测学习资源：mirrors / yzhao062 / anomaly-detection-resources · GIT CODE

 

wzg2016
关注
异常检测 原理与代码实例讲解
程序员光剑
08-13 250
1. 背景介绍 1.1 异常检测的定义与意义 异常检测，也称为离群点检测，是指识别与大多数数据显著不同的数据点的过程。这些异常点可能代表着错误、欺诈、网络入侵或系统故障等问题。在许多领域，异常检测都扮演着至关重要的角色，例如： 金融行业
Outlier Analysis 2nd Edition 中文 part2.pdf
01-26
此为中文：Outlier Analysis 2nd Edition 中文 part2 对照英文：https://download.csdn.net/download/u012547148/10938324
Outlier Detection
jiabiao1602的专栏
12-23 2370
http://www.rdatamining.com/examples/outlier-detection Outlier Detection This page shows an example on outlier detection with the LOF (Local Outlier Factor) algorithm. The LOF algo
Outlier Analysis 2nd Edition笔记(一)
cyoutetsu的博客
03-01 1927
简介关于时间序列的一个假设是temporal continuity. 说的是数据在时间上具有连续性, 如果不连续, 那就算是异常数据. Temporal continuity refers to the fact that the patterns in the data are not expected to change abruptly, unless there are abnormal
《Outlier Analysis 2nd Edition》作者 Aggarwal, Charu C
思过留痕
01-17 1893
《Outlier Analysis 2nd Edition》Authors: Aggarwal, Charu C.这是一本非常不错的讲异常检测的书籍，该书在第一版的基础上加入了数据挖掘、机器学习等的大数据方法，内容详实。特别是，大部分章节都是用新材料和新技术升级的。在几个地方增加了更多的解释，并增加了更新的技术。增加了关于异常值集合的整个章节。本书增加了许多新的主题，如特征选择，单类支持向量机，单
Outlier Analysis 2nd Edition 中文 part3.pdf
01-26
此为中文：Outlier Analysis 2nd Edition 中文 part3 对照英文：https://download.csdn.net/download/u012547148/10938324
异常检测资源：与异常检测相关的书籍，论文，视频和工具箱
01-31
- 《Outlier Analysis》：这本书深入探讨了各种离群点检测算法，并提供了丰富的实践案例。 - 《Data Mining: Concepts and Techniques》：虽然不是专门针对异常检测，但其中有一章详细讲解了异常检测的基本概念和...
[N._N._R._Ranga_Suri,_Narasimha_Murty_M,_G._Athith(z-lib.org).pdf
07-30
1. 异常检测：标题中提到了异常检测（Outlier Detection），这是数据挖掘领域的一个重要研究方向，主要目标是识别出数据集中与常规数据点显著不同的异常点。异常点可能代表了数据的错误、噪声或是真实的系统异常，如...
Python-总结了异常值检测的相关课程视频书籍论文数据集以及工具库
08-11
1. **《Python for Data Analysis》**：Wes McKinney的这本书详尽介绍了Pandas库，其中涵盖了数据清洗和异常值处理的内容。 2. **《Anomaly Detection in Time Series: A Python Cookbook》**：这本书专注于时间序列...
Outlier Analysis
07-03
The problem of text mining has gained increasing attention in recent years because of the large amounts of text data, which are created in a variety of social network, web, and other information-centric applica- tions. Unstructured data is the easiest form of data which can be created in any application scenario. As a result, there has been a tremendous need to design methods and algorithms which can effectively process a wide variety of text applications. This book will provide an overview of the different methods and algorithms which are common in the text domain, with a particular focus on mining methods.
Outlier Analysis 2nd Edition.pdf ——2积分系列
03-28
异常检测，第二版 This book provides comprehensive coverage of the field of outlier analysis from a computer science point of view. It integrates methods from data mining, machine learning, and statistics within the computational framework and therefore appeals to multiple communities. The chapters of this book can be organized into three categories:, Basic algorithms: Chapters 1 through 7 discuss the fundamental algorithms for outlier analysis, including probabilistic and statistical methods, linear methods, proximity-based met hods, high-dimensional (subspace) methods, ensemble methods, and supervised methods.Domain-specific methods: Chapters 8 through 12 discuss outlier detection algorithms for various domains of data, such as text, categorical data, time-series data, discrete sequence data, spatial data, and network data.Applications: Chapter 13 is devoted to various applications of outlier analysis. Some guidance is also provided for the practitioner., The second edition of this book is more detailed and is written to appeal to both researchers and practitioners. Significant new material has been added on topics such as kernel methods, one-class support-vector machines, matrix factorization, neural networks, outlier ensembles, time-series methods, and subspace methods. It is written as a textbook and can be used for classroom teaching.
Outlier Analysis 2nd Edition 百度云下载地址
weixin_40092698的博客
02-02 3353
地址： https://pan.baidu.com/s/1ggPyMyf 共享给大家！
outlier analysis - part 1
charie411的博客
04-28 1971
什么是异常值： Hawkins定义：某个观测值远远偏离其他观测值以至于我们怀疑它是不是由另一种机理产生。 异常诊断算法可能有两种输出： 异常得分：量化异常程度的打分。 二分类标签：常在实际决策中使用，直接判定某个数据点是否是异常值。 异常得分也可以通过阈值设定来得到二分类标签结果。 这是一种主观判断，因为并没有确定多大程度的偏离叫充分偏离。实际应用中，数据包含噪声，还需要排除噪声干扰。这里out...
《Outlier Analysis 2nd Edition》- 1.1 Introduction
思过留痕
01-17 759
Chapter 1 An Introduction to Outlier Analysis “Never take the comment that you are different as a condemnation, it might be a compliment. It might mean that you possess unique qualities that, – E
outlier analysis：离群值分析
fu_jian_ping的博客
11-07 1383
outlier analysis——第一章——概述 outlier analysis—第2章之概率统计方法 outlier analysis——第六章——集成异常检测
outlier analysis 2nd edition
qq_27063559的博客
06-28 870
《Outlier Analysis 2nd Edition》- 1.2 The Data Model is Everything
思过留痕
01-18 544
几乎所有异常值检测算法都会建立数据中正常模式的模型，然后根据这些模式的偏差计算给定数据点的异常值。 例如，该数据模型可以是生成模型，例如高斯混合模型，基于回归的模型或基于邻近的模型。 所有这些模型对数据的“正常”行为做出不同的假设。 然后通过评估数据点与模型之间的拟合质量来计算数据点的离群值分数。 在很多情况下，模型可能是算法定义的。 例如，基于最近邻的离群值检测算法根据其最近邻距离的分布对数据点
异常检测：从基础到应用
"Outlier Analysis" 一书深入探讨了计算机科学...“Outlier Analysis”是一本全面介绍异常检测的书籍，不仅涵盖了基础理论，还包含最新的研究进展和技术，对于理解和应用异常检测技术的读者来说，是一份宝贵的资源。
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