文件名称：matlab代码影响-anomaly_detection:异常检测
文件大小：3.75MB
文件格式：ZIP
更新时间：2024-06-11 03:39:25
系统开源
matlab代码影响目录 挑战总结 想象您在一家电子商务公司Market-ter上，该公司也有一个社交网络。 除了购物外，用户还可以查看其朋友正在购买哪些商品，并受其网络中的购买影响。 您面临的挑战是建立一个实时平台来分析用户社交网络中的购买，并检测与该社交网络中的平均值相差甚远的任何行为。 例子 Market-ter的产品经理会以一种新的方式与您联系，以鼓励用户花更多的钱，而不会向他们投放讨厌的商品广告。 产品经理为您显示下图并说： “如果用户A进行了大笔购买，则应标记他们以确保用户B和用户C受其影响。我们可以在其“供稿”中突出显示这些大笔购买。我们也可以向用户D发送电子邮件，建议他们与用户A成为朋友。他们不会发现这些电子邮件很烦人，因为它们共享了共同的朋友用户C。 但是我们不能向用户发送太多电子邮件，因此，我们仅应在被认为是“异常”的购买量很高的情况下进行此操作-这些购买量超出其社交网络平均水平的3个标准差。 这些电子邮件将确保我们的最大支出者是最联系和最具影响力的！” 尽管激动不已，您意识到产品经理还没有完全考虑问题的两个具体方面： 社交网络会随着时间改变他们的购买行为，因此我们
【文件预览】：
anomaly_detection-master
----sample_dataset()
--------batch_log.json(44.54MB)
--------FindAnomoly.ipynb(56KB)
--------stream_log.json(91KB)
--------path.png(11KB)
--------.ipynb_checkpoints()
----images()
--------math.png(59KB)
--------social-network.png(24KB)
----log_input()
--------batch_log.json(547B)
--------stream_log.json(92B)
----insight_testsuite()
--------run_tests.sh(3KB)
--------tests()
--------.DS_Store(6KB)
----src()
--------process_log.py(0B)
----run.sh(132B)
----README.md(19KB)
----log_output()
--------flagged_purchases.json(0B)