异常检测
文章平均质量分 95
Python风控模型与数据分析
这个作者很懒,什么都没留下…
展开
-
异常检测之自编码器AutoEncoder
自编码器(Autoencoder)是一种神经网络结构,由编码器(Encoder)和解码器(Decoder)两部分组成。编码器将输入数据映射到低维编码空间,而解码器将编码空间的表示映射回原始输入数据的空间,训练目标是最小化重构数据与原始输入数据之间的差异。.本文使用AutoEncoder实战异常检测,分别测试自行构建AutoEncoder和调用pyod包进行对比评估。原创 2023-11-23 10:00:00 · 1259 阅读 · 0 评论 -
异常检测之IF孤立森林实战
异常检测中,算法选择只是其中一环,前期最重要的是依据业务场景、业务目标来进行目标相关特征挖掘(如应用于信贷/交易欺诈,则需要着重挖掘欺诈特征)、把握数据分布、特征筛选、再依据特征分布情况选择合适的算法,另外部分业务场景还得考虑解释性;而异常检测本身是无监督算法,落地更适用于监督模型的辅助、而非独立决策。本系列会尽可能全面的覆盖到这些要点,也欢迎读者们交流讨论。原创 2023-09-12 15:45:00 · 569 阅读 · 0 评论 -
异常检测之PCA实战
PCA是一个经典的线性降维算法,而降维算法可以先进行降维、再重构数据,那些难以重构的样本就是和整体分布差异较大的样本点,我们通过计算原始数据和重构数据的差异来识别出难以重构的样本,从而达到异常检测的目的。本文结合信用卡的退款欺诈行为数据,来详解PCA异常检测实战过程原创 2023-10-19 09:30:00 · 1146 阅读 · 0 评论