数据挖掘导论读书笔记11异常检测

异常检测的目标是发现与大部分其他对象不同的对象。通常，异常对象被称作离群点(Outlier).

异常检测也称偏差检测(Deviation detection),因为异常对象的属性值明显偏离期望的或者常见的属性值。

异常检测也称为例外挖掘，因为异常在某种意义上是例外的。

应用场景：

　　欺诈检测

　　入侵检测

　　生态系统失调

　　公共卫生

　　医疗

异常检测方法

　　基于模型的技术

　　基于邻近度的技术

　　基于密度的技术

统计方法：

　　检测一元正态分布中的离群点，常用方法是高斯正态分布

　　多元正态分布的离群点，Mahalanobis距离

　　异常检测的混合模型方法，EM算法

基于邻近度的离群点检测

基于密度的离群点检测,LOF:LOCAL OUTLIER FACTOR技术

基于聚类的技术

转载于:https://www.cnblogs.com/davidwang456/p/9722306.html

数据挖掘导论读书笔记11异常检测相关推荐

数据挖掘导论读书笔记5关联分析的基本概念和算法
关联规则的强度可以用support度和confidence(置信)度来度量关联规则发现给定事务的集合T,关联规则发现是指找出支持度大于等于minsup并且置信度大于等于minconf的所有规则, ...
数据挖掘导论读书笔记10聚类分析续
基于原型的聚类模糊c均值使用模糊逻辑和模糊集合论的概念,提出一种聚类方案,它很像K均值,但是不需要硬性地将对象分派到一个簇中.模糊c均值算法有时也称为FCM 混合模型聚类采取这样的访谈,簇集合可以用 ...
数据挖掘导论读书笔记9聚类分析
1. 聚类分析仅根据在数据中发现的描述对象及其关系的信息,将数据对象分组. 其目标是组内的对象相互之间是相似的或者相关的,而不同组中的对象是不同的或者不相关的. 2.聚类分析的重要技术 K均值:K均值 ...
数据挖掘导论读书笔记8FP树
1FP树转载于:https://www.cnblogs.com/davidwang456/p/9685555.html
数据挖掘导论读书笔记7 Apriori算法
Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法.其核心是基于两阶段频集思想的递推算法.该关联规则在分类上属于单维.单层.布尔关联规则.在这里,所有支持度大于最小支持度的项集称为频繁项 ...
数据挖掘导论读书笔记4--其他分类技术
1.基于规则的分类器 2.最近邻分类器 3.贝叶斯分类器 4.人工神经网络 5.支持向量机 6.组合方法 7.不平衡类问题 8.多类问题转载于:https://www.cnblogs.com/dav ...
数据挖掘导论读书笔记6关联分析的高级概念
处理联系属性: 基于离散化的方法基于统计学的方法非离散化方法处理概念分层定义在一个特定领域的各种实体或者概念的多层组织.概念分层可以用有向无环图DAG来标示. 序列模式可选计数方案 COBJ ...
数据挖掘导论读书笔记3--分类
1.分类的基本概念分类任务就是通过学习得到一个目标函数f,把每个属性集x映射到一个预先定义的类标号y 目标函数也称为分类模型. 2. 解决分类问题的一般方法: 决策树分类法基于规则的分类法神经网 ...
数据挖掘导论读书笔记2
1.频率和众数 frequency(vi)=具有属性值vi的对象数/m 分类属性的众数mode是具有最高频率的值. 2.百分位数 3.位置度量:均值和中位数 4.散布度量:极差和方差绝对平均偏差 A ...

数据挖掘导论读书笔记11异常检测

数据挖掘导论读书笔记11异常检测相关推荐

最新文章

热门文章