- 博客(5)
- 收藏
- 关注
RSS订阅原创 机器学习-无监督学习
如果您的全部训练数据都是正常数据，并且模型的精度只有1.2%，这很可能是由于异常检测算法在纯正常数据上的表现。Isolation Forest算法是一种用于检测异常值的算法，它的目标是找出那些在特征空间中比较孤立的样本点，认为这些样本点可能是异常值。然而，如果您的数据集中只有正常数据，并没有包含异常数据，Isolation Forest算法在纯正常数据上的表现可能并不理想。这就解释了为什么模型的精度很低。因此，对于孤立森林，我们只需要使用训练集来训练模型，并根据训练后的模型在测试集上评估异常检测的性能。
2023-08-02 16:59:46
72
原创 西储数据集划分
’’return s120‘’’‘’‘输入101202048的原始样本，输出带标签的训练集(占75%)和测试集(占25%)’‘’12031128128‘’’
2023-06-15 10:06:01
70
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