Machine learning 异常检测-使用什么
使用什么系统进行异常检测 我看到像Mahout这样的系统并没有列出异常检测,但是分类、聚类、推荐等问题Machine learning 异常检测-使用什么,machine-learning,data-mining,outliers,Machine Learning,Data Mining,Outliers,使用什么系统进行异常检测 我看到像Mahout这样的系统并没有列出异常检测,但是分类、聚类、推荐等问题 任何建议以及教程和代码示例都非常好,因为我以前没有做过。有一个异常检测,它基于一类SVM。您还可以查看已实现空间离群点检测的 除了“异常检测”,您还可以使用“异常检测”、“欺诈检测”、“入侵检测”来扩展搜索范围,以获得更多结果。有一种基于一类SVM的异常检测。您还可以查看已实现空间离群点检测的 除了“异常检测”,您还可以使用“异常检测”、“欺诈检测”、“入侵检测”扩展搜索范围,以获得更多结果。
任何建议以及教程和代码示例都非常好,因为我以前没有做过。有一个异常检测,它基于一类SVM。您还可以查看已实现空间离群点检测的
除了“异常检测”,您还可以使用“异常检测”、“欺诈检测”、“入侵检测”来扩展搜索范围,以获得更多结果。有一种基于一类SVM的异常检测。您还可以查看已实现空间离群点检测的
除了“异常检测”,您还可以使用“异常检测”、“欺诈检测”、“入侵检测”扩展搜索范围,以获得更多结果。有三类异常检测方法,即有监督、半监督和无监督
- 监督:需要完全标记的培训和测试数据集。首先训练一个普通的分类器,然后应用它
- 半监督:使用训练和测试数据集,而训练数据仅由正常数据组成,没有任何异常值。学习正常类的模型,然后通过偏离该模型来检测异常值
- 无监督:不需要任何标签;训练数据集和测试数据集之间没有区别。数据集的评分仅基于数据集的内在属性
如果您已经标记了数据,那么有很多监督分类方法可以尝试检测异常值。例如神经网络、决策树和支持向量机离群点检测方法有三类,即有监督、半监督和无监督
- 监督:需要完全标记的培训和测试数据集。首先训练一个普通的分类器,然后应用它
- 半监督:使用训练和测试数据集,而训练数据仅由正常数据组成,没有任何异常值。学习正常类的模型,然后通过偏离该模型来检测异常值
- 无监督:不需要任何标签;训练数据集和测试数据集之间没有区别。数据集的评分仅基于数据集的内在属性