【文件属性】:
文件名称:Anomaly-Detection:无监督和半监督异常检测隔离森林内核PCA检测ADOA等
文件大小:7.28MB
文件格式:ZIP
更新时间:2021-05-10 07:59:21
data-mining pca-analysis pca semi-supervised-learning principal-component-analysis
Anomaly-Detection
Author: MaXiao
E-Mail:
备注: 若文档无法正常显示图片,请参考右方链接:
第一部分:无监督异常检测 (Unsupervised Detection)
1. 算法
1.1 Isolation Forest
算法论文:
算法解析:
算法应用:
1.2 基于PCA的异常检测
方法1:基于样本的重构误差
算法论文:
算法解析:
算法实现
基于KernelPCA重构误差的异常检测:
基于LinearPCA重构误差的异常检测:
只调用Numpy实现LinearPCA异常检测:
不调用scikit-learn,只调用Numpy,通过矩阵的奇异值分解(SVD)实现PCA,再进行异常检测
返回结果与recon_error_pca.py完全一致
方法2:基于样本在Major/Minor主成分上的偏差
算法论文:
算法解析: Chapter 2:基于样本