数据异常检测精华

异常值检测是数据挖掘中数据准备的重要环节，也是学界探讨和研究的内容。目前主要有3种策略： (1)统计法:对样本总体分布作出假设的基础上,构造如四分位点、标准差等统计量进行检测，主要适用于单属性值的情况。 (2)距离法:将两个样本视为维空间的两点,计算两点间的Minkowski，Chebyshev或Mahalanobis距离来度量，此方法能够应用于多元数值，但没有综合考虑总体分布的因素，导致太依赖于参数的选择。 (3)分类法: 建立分类模型判断数据类别，以认定其是否与总体偏离 ,一般需要有大量样本集以训练分类模型,并且此方法判断的颗粒度较大,相对于精细的数据要求显得误判率较高。

时间序列异常检测算法研究？ - 知乎
- https://www.zhihu.com/question/47070186
机器学习该怎么入门？ - 知乎
- https://www.zhihu.com/question/20691338/answer/53910077
ICLR 2018 有什么值得关注的亮点？ - 知乎
- https://www.zhihu.com/question/67335251/answer/269834774
Anomaly Detection, a short tutorial using Python
- http://aqibsaeed.github.io/2016-07-17-anomaly-detection/
Autoencoders and anomaly detection with machine learning...
- https://shiring.github.io/machine_learning/2017/05/01/fraud
关于机器学习和网络安全的一些资料
- https://zhuanlan.zhihu.com/p/26934186
机器学习之：异常检测
- https://zhuanlan.zhihu.com/p/25753926
A Dictionary Learning Based Anomaly Detection Method
- http://cagatayyildiz.github.io/pdf/a-dictionary-learning-based.pdf
利用TensorFlow Object Detection API 训练自己的数据集
- https://zhuanlan.zhihu.com/p/27469690
Statistics for Monitoring: Anomaly Detection (Part 1)
- http://mabrek.github.io/blog/statistics-for-monitoring-anomaly-p1/
ICLR 2018 有什么值得关注的亮点？ - 知乎
- https://www.zhihu.com/question/67335251
Anomaly Detection in Time Series using Auto Encoders
- http://philipperemy.github.io/anomaly-detection/
Anomaly Detection: Increasing Classification Accuracy with...
- http://amunategui.github.io/anomaly-detection-h2o/
object_detection_with_tensorflow:使用 google 物体识别的 api...
- https://zhuanlan.zhihu.com/p/30347173
In which I implement Anomaly Detection for a sample data...
- http://sdsawtelle.github.io/blog/output/week9-anomaly-andrew-ng-machine-learning-with-python.html
Partially supervised anomaly detection using
- http://gbpcosta.github.io/assets/publications/Costa_PSL2013.pdf
RNN+Object Detection
- https://zhuanlan.zhihu.com/p/29250780
Object Detection(2):Fast R-CNN
- https://zhuanlan.zhihu.com/p/22757861
反欺诈(Fraud Detection)...
- https://www.zhihu.com/question/30508773
zhihu.com/lives
- https://www.zhihu.com/lives

展开全文

参考链接

父主题

数据挖掘

微信扫码咨询专知VIP会员

Top