异常检测

什么是异常检测

异常检测是对罕见事件、项目或关注事件的识别,因为它们与大多数处理数据的特征不同。异常,也称为异常值,可以代表安全错误、结构缺陷,甚至银行欺诈或医疗问题。异常检测主要有三种形式。第一种异常检测是无监督异常检测。该技术通过将数据点相互比较、为数据建立基线“正常”轮廓并寻找点之间的差异来检测未标记数据集中的异常。相比之下,监督异常检测需要使用特定的“正常”和“异常”标签来训练数据集。最后,半监督异常检测技术要求分类器在“正常”数据集上进行训练以建立预设,然后分析预期数据以检测异常。本质上,这种技术允许分类器创建标签。

image.png

异常检测技术

有许多流行的异常检测技术。 异常检测的另一种形式的示例称为聚类分析。 聚类分析是分析活动爆发数据的技术,而不是特定的稀有对象。 如果负责这种形式的异常检测,其他异常检测技术,尤其是无监督流程,将会失败。 其他技术包括贝叶斯网络、隐马尔可夫模型和一类支持向量机。

异常检测的应用

异常检测用于欺诈和入侵检测、系统健康监测和生态系统干扰监测等应用。 例如,在欺诈检测中,银行可以分析一系列交易数据来监控和检测可能的欺诈实例。 在生态系统干扰监测中,会分析自然环境数据中的异常情况,以帮助改进地震和海啸检测等过程。

image4fd072e0f9d9da04.png

异常检测和机器学习

如上所述,用于异常检测的各种技术依赖于机器学习的形式。 随着分类器被训练来理解和标记数据,它提高了它的准确性。 异常检测通常用于预处理,作为从数据集中删除异常数据的一种方式。 在监督学习情况下,删除异常数据通常会导致准确度在统计上显着提高。

0 0 投票数
文章评分

本文为从大数据到人工智能博主「xiaozhch5」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://lrting.top/backend/4094/

(0)
上一篇 2022-03-13 14:26
下一篇 2022-03-13 23:17

相关推荐

订阅评论
提醒
guest
0 评论
内联反馈
查看所有评论
0
希望看到您的想法,请您发表评论x