文章插图
针对非数值型的方法
之前介绍的大多数异常检测算法都是处理数值类型的数据 , 那么处理 类型的数据 , 有没有什么好的算法? value算法 , 就是非常有效的一种 。
AVF算法全称 Value , 针对非数值型的数据 , 即类别离散数据的方法 。具体步骤如下:
将所有的数据点都标为非异常点;
计算所有每一个属性值的频数;
计算每一个点的AVF score , 即样本点x的每一个属性值对应的频数之和除以属性总数 , 当然这里的属性指的都是 的属性 。
值越小 , 样本越异常 。
03
开源异常检测系统
这里帮大家列举一些常用的异常检测算法包 , 有Java版本、R版本 , 供各位同学参考使用
04
总结
其实可以看到 , 以上方法的分类之间也是相近的 。说到底 , 概率、密度和聚类也是由空间中的数据点之间的距离所决定的 。而本文主要是想记录基于时间序列的异常检测方法 。当然 , 以上方法在时间序列抽取后的特征空间中也能够使用 。
- 架构师之路,20年干货精选
- 安卓为什么没有菊花进度条_【干货】超强大的安卓7.0电视盒子是什么体验!
- 绝对干货推荐-人工智能本科学位的完整4年课程规划
- 第三讲 启动、中断、异常和系统调用
- 附代码 LSTM 详解及 LSTM 解决时间序列预测问题
- R语言用AR,MA,ARIMA 模型进行时间序列预测
- 干货献上 2019年蚂蚁金服、头条、拼多多的面试总结
- 万字干货 2019 年蚂蚁金服、头条、拼多多面经
- 纯干货献上 2020蚂蚁金服、头条、拼多多的面试总结
- 辣椒种植前期落叶异常应该如何防治