![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习算法
文章平均质量分 76
一级睡神
这个作者很懒,什么都没留下…
展开
-
吃瓜之西瓜书、南瓜书阅读《机器学习》周志华——第1章、第2章
绪论基本术语数据集 dataset示例 instance样本 sample属性 attribute特征 feature属性值 attribute value属性空间 attribute space样本空间 sample space训练数据 training data训练样本 training sample训练集 training set标记 label样例 example (有了标记信息的示例)泛化 generalization (学的模型适用于新样本的能力)模型评估与选原创 2021-07-14 02:31:40 · 141 阅读 · 0 评论 -
异常检测Anomaly Detection(五)集成方法
文章目录1、引言2、Feature Bagging1.选择基检测器2.分数标准化和组合方法3、Isolation Forests4、总结5、feature bagging为什么可以降低方差?feature bagging存在哪些缺陷,有什么可以优化的idea?1、引言在实际场景中,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转载 2021-05-24 01:25:55 · 407 阅读 · 0 评论 -
异常检测Anomaly Detection(二)基于统计的方法
1. 统计方法1. 统计方法原创 2021-05-15 01:03:57 · 1651 阅读 · 0 评论 -
异常检测Anomaly Detection(一)定义、分类及方法
异常检测1. 什么是异常检测?1.1 定义1.2 应用场景1.3 异常检测为什么难做2. 异常检测的分类2.1 根据数据集性质分类2.2 根据异常的类别分类2.3 根据标签的可获得性分类3. 异常检测方法综述2.1 基础方法2.1.1 基于统计学的方法2.1.2 谱方法2.1.3 基于距离的方法2.2 集成方法2.2.1 feature bagging :2.2.2 孤立森林:2.3 基于分类的机器学习方法2.3.1 神经网络方法2.3.2 贝叶斯网络2.3.3 SVM方法1. 什么是异常检测?1.1原创 2021-05-11 01:22:05 · 7661 阅读 · 0 评论