Awesome-anomaly-detection-baseline:异常检测基准

时间:2024-06-13 17:14:18
【文件属性】:

文件名称:Awesome-anomaly-detection-baseline:异常检测基准

文件大小:3.91MB

文件格式:ZIP

更新时间:2024-06-13 17:14:18

radar anomaly-detection anomalous dominant baselines

令人敬畏的异常检测基准 [目录] 背景 回购在属性图上复制了异常检测算法的基线。 要求 Python3 火炬== 1.4.0 scikit-learn == 0.22.2.post1 numpy == 1.18.5 网络x == 2.4 返回值 召回@K 精度@K AUC值 示例数据集 **注意:**在进行实验之前,您需要将数据封装在.mat文件中。 该.mat文件包括名为A , X , gnd三个矩阵,分别代表邻接矩阵,属性矩阵和基本事实。 例如,在Amazon数据集中,每个样本有1418个样本具有21个属性。 A的形状为($ 1418 \ times1418 $), X的形状为($ 1418 \ times21 $), gnd的形状为($ 1418 \ times1 $)。 迪士尼 亚马逊 安然 #节点 124 1,418 13,533 #边缘 334 3695


【文件预览】:
Awesome-anomaly-detection-baseline-main
----.gitignore(13B)
----ANOMALOUS()
--------dataset()
--------gs.m(214B)
--------roc.m(2KB)
--------run.m(556B)
--------computelaplacian.m(446B)
--------anomalous.m(2KB)
--------normalizeFea.m(614B)
--------auc.m(2KB)
----LICENSE(1KB)
----Radar()
--------radar.m(792B)
--------data()
--------roc.m(2KB)
--------run.m(506B)
--------computelaplacian.m(446B)
--------normalizeFea.m(614B)
--------auc.m(2KB)
----SCAN()
--------pregel.py(3KB)
--------scan_graph.py(3KB)
--------scan.py(1KB)
--------scan_p.py(3KB)
----README.md(2KB)
----LOF()
--------recallAtK.py(590B)
--------data()
--------LOF.py(779B)
--------getData.py(2KB)
--------precisionAtK.py(624B)
--------calculateAUC.py(298B)
----getRecall()
--------recallAtK.py(721B)
--------precisionAtK.py(741B)
----.gitattributes(66B)
----data.xlsx(10KB)
----Dominant()
--------recallAtK.py(707B)
--------normA.py(196B)
--------run.py(2KB)
--------GraphConv.py(431B)
--------data()
--------getResult.py(58B)
--------getData.py(2KB)
--------precisionAtK.py(741B)
--------DominantModel.py(625B)
--------calculateAUC.py(298B)

网友评论