zoukankan      html  css  js  c++  java
  • 《异常检测》

    一、基本原理

    1. 异常检测(Anomaly Detection或Outlier Detection)指的是通过数据挖掘手段识别数据中的“异常点”,如网络通信领域发现异常信息流。

    二、可用方法

    1. 常见的算法:

      • 概率与极值分析(假设数据分布并找到超过中心特定范围的数据)
      • 线性模型(如PCA计算重构误差或者分析协方差矩阵的)
      • 相似度模型(如ABOD,LOF、LOCI、LOOP和kNN等)
      • 决策树集成(Isolation Forest、Feature Bagging)
      • 基于SVM的方法如One-class SVM
      • 基于神经网络的算法(用auto-encoder计算重构误差)
    2. 基于统计学的方法

      • 3σ准则
      • Grubb's test
    3. 基于距离的检测

      • KNN
      • 夹角(余弦)
      • LOF
      • COF
    4. 线性模型

      • PCA
    5. 非线性模式

      • RNNs(Replicator Neural Networks)
    6. iForest 算法

    三、可用的工具,调研试验中:

    1. Stats&Bots:https://blog.statsbot.co/time-series-anomaly-detection-algorithms-1cef5519aef2
    2. 时序DB Prometheus: https://prometheus.io/
      搭配 Grafana框架: https://grafana.com/
    3. weka工具,自带机器学习算法实现

    参考链接:https://www.zhihu.com/question/280696035

  • 相关阅读:
    遗传算法
    模拟退火算法
    分支限界法(一)(转)
    (操作Excel 2007以後)Open XML SDK 2.0 for Microsoft Office
    c#接口和抽象类的区别
    抽象工厂模式
    乐在其中设计模式(C#)系列文章索引
    VB6.0 生成 XML方法
    处理一些简单的客户端脚本(2)
    抽象类
  • 原文地址:https://www.cnblogs.com/cx2016/p/13211335.html
Copyright © 2011-2022 走看看