![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
异常检测
文章平均质量分 83
模型小垃圾
这个作者很懒,什么都没留下…
展开
-
不均衡样本的处理办法
1.使用正确的度量方法来评估 在不均衡数据集上训练出来的模型,如果使用不合适的度量方法的话,是很危险的。想象一下,如果你的数据集是上面的图的情况,如果度量方法是准确率的话,那么一个模型如果对所有的样本预测都是0的话,准确率将达到非常好的99.8%,但是很显然,这种模型并没有什么用。 这种情况下,可以使用一些替代的度量方法,例如: 精确度/查准率:真实为正样本的数据的准确率。 召回率/查全率:预测为正样本的数据的准确率。 F1得分:精确率和召回率的调和平均。 ROC:真原创 2021-04-06 16:36:25 · 599 阅读 · 0 评论 -
异常检测
异常检测 异常,顾名思义是不同于正常的现象,常见的异常有一下三种: 点异常:指的是少数个体实例是异常的,大多数个体实例是正常的,例如正常人与病人的健康指标; 上下文异常:又称上下文异常,指的是在特定情境下个体实例是异常的,在其他情境下都是正常的,例如在特定时间下的温度突然上升或下降,在特定场景中的快速信用卡交易; 群体异常:指的是在群体集合中的个体实例出现异常的情况,而该个体实例自身可能不是异常,例如社交网络中虚假账号形成的集合作为群体异常子集,但子集中的个体节点可能与真实账号一样正常。 1、基于统计学方法原创 2021-04-06 12:09:15 · 221 阅读 · 0 评论