异常检测,学习笔记:
第一天:了解了学习规则和学习任务,完成了群名片修改,认识了新朋友;
第二天学习笔记:
完成了task1的任务,即论文数据统计 ,主要是学习pandas的使用方法和数据可视化,
python使用还不是很熟练,因此继续加强python的练习。之后学习了数据预处理,
包括统计不同类别的数据分类,其中split函数功能很强大。了解了异常检测的定义和类别,异常检测的任务分类,
学习了异常检测的常用方法,包括传统的方法,传统的方法主要由基于统计学习的方法,线性模型和基于相似度的方法,
第二类方法是集成方法,包括孤立森林;
第三种方法是机器学习;
接下来,我了解了异常检测常用开源库由scikit-learn 以及pyOD,接下来学习了pyod库的基本操作。
第三天学习了线性模型,主要包括线性回归和主成分分析法:具体内容有:
(1) 线性模型的相关理论
(2)数据可视化的相关理论和操作
(3)线性回归的理论介绍,其中包括最小二乘法和梯度下降法
主成分分析法:
原理推导,和归一化等问题;
目前还在学习中,学习速度比较慢,基础比较差 ,前几天打卡没打上,抱歉了~