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：2024-05-30 01:46:01
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