异常检测
文章平均质量分 94
黑小板
纸上得来终觉浅
展开
-
异常检测(五)
异常检测Task05本次学习参照Datawhale开源学习地址:https://github.com/datawhalechina/team-learning-data-mining/tree/master/AnomalyDetection本次学习分为五个章节:一、概述二、基于统计学的方法三、线性模型四、基于邻近度的方法五、集成方法和深度学习本章主要内容包括:集成方法(Feature Bagging、Isolation Forest等)深度学习(LSTM等)概述集成学习 当原创 2021-05-21 18:07:04 · 471 阅读 · 0 评论 -
异常检测(四)
异常检测Task04本次学习参照Datawhale开源学习地址:https://github.com/datawhalechina/team-learning-data-mining/tree/master/AnomalyDetection本次学习分为五个章节:一、概述二、基于统计学的方法三、线性模型四、基于邻近度的方法五、集成方法本章主要内容包括:基于距离的度量(kNN,k-means等)基于密度的度量(LOF,DBSCAN等)概述 “异常值”通常指具有特定业务意义的一类特殊原创 2021-05-20 17:37:37 · 1411 阅读 · 0 评论 -
异常检测(三)
异常检测Task03本次学习参照Datawhale开源学习地址:https://github.com/datawhalechina/team-learning-data-mining/tree/master/AnomalyDetection本次学习分为五个章节:一、概述二、基于统计学的方法三、线性模型四、基于邻近度的方法五、集成方法本章主要内容包括:线性回归主成分分析概述 真实数据集中各特征通常具有一定的相关性,且每个特征本身分布很难转换成高斯分布,在这种情况下上一章中的统计学原创 2021-05-17 20:48:08 · 579 阅读 · 0 评论 -
异常检测(二)
异常检测Task02本次学习参照Datawhale开源学习地址:https://github.com/datawhalechina/team-learning-data-mining/tree/master/AnomalyDetection本次学习分为五个章节:一、概述二、基于统计学的方法三、线性模型四、基于邻近度的方法五、集成方法主要内容包括:一元高斯分布多元高斯分布箱线图HBOS模型概述统计学方法对数据的正常性做出假定。它们假定正常的数据对象由一个统计模型产生,而不遵守该原创 2021-05-14 23:16:20 · 642 阅读 · 0 评论 -
异常检测(一)
异常检测Task01本次学习参照Datawhale开源学习地址:https://github.com/datawhalechina/team-learning-data-mining/tree/master/AnomalyDetection本次学习分为五个章节:一、概述二、基于统计学的方法三、线性模型四、基于邻近度的方法五、集成方法概述1、什么是异常检测异常检测(Anomaly Detection),顾名思义,是识别与正常数据不同的数据,与预期行为差异大的数据。在不同的领域,异常检测也被原创 2021-05-11 16:45:18 · 1578 阅读 · 1 评论