【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