1. Toy模板网首页
  2. > Toy博客

机器学习：异常检测

9月前 作者：uncle_ll 分类：Toy博客 阅读(36) 违法举报

这篇具有很好参考价值的文章主要介绍了机器学习：异常检测。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

机器学习：异常检测,机器学习,机器学习,异常检测

问题定义

机器学习：异常检测,机器学习,机器学习,异常检测
anomaly，outlier， novelty， exceptions

不同的方法使用不同的名词定义这类问题。

机器学习：异常检测,机器学习,机器学习,异常检测

应用

机器学习：异常检测,机器学习,机器学习,异常检测

二分类

机器学习：异常检测,机器学习,机器学习,异常检测

假如只有正常的数据，而异常的数据的范围非常广的话（无法穷举），二分类这些不好做。另外就是异常资料不太好收集。

分类

机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
每张图片都有标注，就可以来训练一个辛普森家族的成员分类器。
机器学习：异常检测,机器学习,机器学习,异常检测
基于classifer来做异常检测。
机器学习：异常检测,机器学习,机器学习,异常检测
基于信心分数来做异常问题，大于某值就是正常，小于某值就是异常
机器学习：异常检测,机器学习,机器学习,异常检测
最大分数作为confidence
机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
部分数据会有误判的情况

信心分估计

机器学习：异常检测,机器学习,机器学习,异常检测
直接教网络信心分数，不仅是做分类任务C，也会给出信心分P

Train 和 Eval

机器学习：异常检测,机器学习,机器学习,异常检测
100张辛普森家族图片，5张异常图片
机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测

  • 有蓝色的正常图被错误分类成异常
  • 有红色的异常图被错误分类成正常

这个时候用dev set上评估系统，这是一个二元分类问题。
机器学习：异常检测,机器学习,机器学习,异常检测
正常异常比例的分布是非常悬殊的，这个系统可以有很高的准确率，但是没有做什么事，用acc准确率分类是没有意义的。

机器学习：异常检测,机器学习,机器学习,异常检测
使用混淆矩阵：
机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
cost table，做错的行为的代价，算一个分数：
机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
针对自己的任务设定cost table。还有一些方法来衡量，比如AUC（roc曲线的面积）。

问题

机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
脸上是黄的，然后系统给的分数就高，说明这个分类系统学到的并不是认清人，而是脸是否是黄的。

机器学习：异常检测,机器学习,机器学习,异常检测
假设可以收到一些异常资料，可以学习在分类的同时，也给出异常的分数，但是这类数据不易收集。可以考虑使用GAN生成异常数据。

没有标签的场景

机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
正常玩家和异常玩家（小白）

问题定义

机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
需要数值化的方法来给每一个玩家的分数。 f ( 斯塔 ) f(斯塔) f(斯塔) 概率密度估计
机器学习：异常检测,机器学习,机器学习,异常检测
高斯分布
机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测
机器学习：异常检测,机器学习,机器学习,异常检测文章来源地址https://www.toymoban.com/news/detail-619007.html

到了这里，关于机器学习：异常检测的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处： 如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：
领支付宝红包 赞助服务器费用

相关文章

  • 李宏毅机器学习作业8-异常检测（Anomaly Detection）， autoencoder， 残差网络

    李宏毅机器学习作业8-异常检测（Anomaly Detection）， autoencoder， 残差网络

    目录 目标和数据集 数据集 方法论 导包 Dataset module autoencoder 训练 加载数据 训练函数 训练 推断 解答与讨论 fcn 浅层模型 深层网络 cnn 残差网络 辅助网络 使用Unsupervised模型做异常检测:识别给定图像是否和训练图像相似 Training data 100000 human faces data/traingset.npy: 100000 images in a

    2024年02月07日
    浏览(42)
  • 【机器学习 | 异常检测】孤立森林（isolation Forest）iForest 算法理论讲解及 Python 实战

    【机器学习 | 异常检测】孤立森林（isolation Forest）iForest 算法理论讲解及 Python 实战

    孤立森林（Isolation Forest，简称 iForest）是一种无监督学习算法，用于识别异常值。 其基本原理可以概括为一句话：异常数据由于数量较少且与正常数据差异较大，因此在被隔离时需要较少的步骤。 有两个假设： 异常的值是非常少的（如果异常值很多，可能被识别为正常的）

    2024年04月23日
    浏览(40)
  • 【深度学习】【机器学习】用神经网络进行入侵检测，NSL-KDD数据集，基于机器学习（深度学习）判断网络入侵，网络攻击，流量异常

    【深度学习】【机器学习】用神经网络进行入侵检测，NSL-KDD数据集，基于机器学习（深度学习）判断网络入侵，网络攻击，流量异常

    【深度学习】用神经网络进行入侵检测，NSL-KDD数据集，用网络连接特征判断是否是网络入侵。 NSL-KDD数据集，有dos,u2r,r21,probe等类型的攻击，和普通的正常的流量，即是有五个类别： 1、Normal：正常记录 2、DOS：拒绝服务攻击 3、PROBE：监视和其他探测活动 4、R2L：来自远程机器

    2024年04月25日
    浏览(47)
  • 《异常检测——从经典算法到深度学习》21 Anomaly Transformer：具有关联差异的时间序列异常检测

    《异常检测——从经典算法到深度学习》21 Anomaly Transformer：具有关联差异的时间序列异常检测

    0 概论 1 基于隔离森林的异常检测算法 2 基于LOF的异常检测算法 3 基于One-Class SVM的异常检测算法 4 基于高斯概率密度异常检测算法 5 Opprentice——异常检测经典算法最终篇 6 基于重构概率的 VAE 异常检测 7 基于条件VAE异常检测 8 Donut: 基于 VAE 的 Web 应用周期性 KPI 无监督异常检测

    2024年02月11日
    浏览(46)
  • 【论文阅读】基于深度学习的时序异常检测——TransAD

    【论文阅读】基于深度学习的时序异常检测——TransAD

    系列文章链接 数据解读参考：数据基础：多维时序数据集简介 论文一：2022 Anomaly Transformer：异常分数预测 论文二：2022 TransAD：异常分数预测 论文三：2023 TimesNet：基于卷积的多任务模型 论文链接：TransAD.pdf 代码库链接：https://github.com/imperial-qore/TranAD 这篇文章是基于多变量数

    2024年02月14日
    浏览(83)
  • 【论文阅读】基于深度学习的时序异常检测——TimesNet

    【论文阅读】基于深度学习的时序异常检测——TimesNet

    系列文章链接 参考数据集讲解：数据基础：多维时序数据集简介 论文一：2022 Anomaly Transformer：异常分数预测 论文二：2022 TransAD：异常分数预测 论文三：2023 TimesNet：基于卷积的多任务模型 论文链接：TimesNet.pdf 代码库链接：https://github.com/thuml/Time-Series-Library 项目介绍：https

    2024年02月13日
    浏览(56)
  • 【论文阅读】基于深度学习的时序异常检测——Anomaly Transformer

    【论文阅读】基于深度学习的时序异常检测——Anomaly Transformer

    系列文章链接 数据解读参考：数据基础：多维时序数据集简介 论文一：2022 Anomaly Transformer：异常分数预测 论文二：2022 TransAD：异常分数预测 论文三：2023 TimesNet：基于卷积的多任务模型 论文链接：Anomaly Transformer.pdf 代码链接：https://github.com/thuml/Anomaly-Transformer 视频讲解（原

    2024年02月14日
    浏览(37)
  • 数学建模-基于集成学习的共享单车异常检测的研究

    数学建模-基于集成学习的共享单车异常检测的研究

    整体求解过程概述(摘要)    近年来，共享单车的快速发展在方便了人们出行的同时，也对城市交通产生了一定的负面影响，其主要原因为单车资源配置的不合理。本文通过建立单车租赁数量的预测模型和异常检测模型，以期能够帮助城市合理配置资源。    首先，进行探

    2024年02月05日
    浏览(39)
  • 人工智能|机器学习——基于机器学习的舌苔检测

    人工智能|机器学习——基于机器学习的舌苔检测

    基于深度学习的舌苔检测毕设留档.zip资源-CSDN文库 目前随着人们生活水平的不断提高，对于中医主张的理念越来越认可，对中医的需求也越来越多。在诊断中，中医通过观察人的舌头的舌质、苔质等舌象特征，了解人体内的体质信息从而对症下药。 传统中医的舌诊主要依赖

    2024年02月22日
    浏览(70)

  • 机器学习和深度学习检测网络安全课题：DDOS检测、恶意软件、恶意流量检测课题资料

    开源的DDOS检测工具 https://github.com/equalitie/learn2ban 基于KDDCUP 99数据集预测DDoS攻击 基于谱分析与统计机器学习的DDoS攻击检测技术研究 基于机器学习的分布式拒绝服务攻击检测方法研究 DDoS Attacks Using Hidden Markov Models and Cooperative ReinforcementLearning* 恶意软件检测 https://github.com/dc

    2024年01月18日
    浏览(48)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包，优惠每天领

二维码1

领取红包

二维码2

领红包