- 博客(3)
- 收藏
- 关注
RSS订阅原创 Datawhale_五月：异常检测（Task04）
目录1、概述2、基于距离的度量1、概述2.1 基于单元的方法2.1 基于索引的方法3、基于密度的度量3.1 k-距离（k-distance(p)）3.2 k-邻域（k-distance neighborhood）3.3 可达距离（reachability distance）3.4 局部可达密度（local reachability density）3.5 局部异常因子1、概述“异常”通常是一个主观的判断，什么样的数据被认为是“异常”的，需要结合业务背景和环境来具体分析确定。实际上，数据通常嵌入在大量的
2021-05-20 23:01:10
76
原创 Datawhale_五月：异常检测（Task02）
异常检验–基于统计学的方法文章目录异常检验--基于统计学的方法1、概述2、参数方法2.1 基于正态分布的一元异常点检测2.2 多元异常点检测3、非参数方法4、基于角度的方法5、HBOS6、总结1、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，而不遵守该模型的数据是异常点。异常检测的统计学方法的一般思想是：学习一个拟合给定数据集的生成模型，然后识别该模型低概率区域中的对象，把它们作为异常点。即利用统计学方法建立一个模型，然后考虑对象有多大可能符合该模型。根据如何指定
2021-05-14 18:14:58
103
原创 Datawhale_五月：异常检测（Task01）
1、什么是异常检测异常检测（Outlier 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。识别如信用卡欺诈，工业生产异常，网络流里的异常（网络侵入）等问题，针对的是少数的事件。1.1 异常的类别点异常（point anomalies）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；条件异常（conditional anomalies），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
2021-05-11 17:12:48
92
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人