文件名称：rrcf::evergreen_tree:用于流异常检测的鲁棒随机砍伐森林算法的实现
文件大小：834KB
文件格式：ZIP
更新时间：2024-06-17 08:36:09
python machine-learning tree random-forest outliers
rrcf :evergreen_tree: :evergreen_tree: :evergreen_tree: 用于异常检测的鲁棒随机砍伐森林算法的实现 。 S.Guha，N.Mishra，G.Roy和O.Schrijvers，基于流的鲁棒随机采伐森林异常检测，在2016年第33届国际机器学习国际会议论文集（纽约，纽约，第2712-2721页） ）。 关于 鲁棒随机砍伐森林（RRCF）算法是一种用于检测流数据中异常值的集成方法。 RRCF提供了许多竞争性异常检测算法所缺乏的许多功能。 具体而言，RRCF： 设计用于处理流数据。 在高维数据上表现良好。 减少不相关尺寸的影响。 优雅地处理可能会掩盖异常值的重复项和几乎重复项。 具有异常评分算法，具有清晰的基本统计含义。 该存储库提供了RRCF算法及其核心数据结构的开源实现，目的是促进实验并实现RRCF算法的未来扩展。 文献资料 在阅读文档 。 安装 使用pip通过pypi安装rrcf ： $ pip i
【文件预览】：
rrcf-master
----.gitattributes(56B)
----paper()
--------paper.bib(3KB)
--------figure_1.png(272KB)
--------figure_2.png(106KB)
--------paper.md(6KB)
----rrcf()
--------__init__.py(140B)
--------rrcf.py(34KB)
--------shingle.py(634B)
----requirements.txt(2B)
----.travis.yml(268B)
----LICENSE(1KB)
----test()
--------__init__.py(0B)
--------test_rrcf.py(5KB)
----setup.py(445B)
----README.md(9KB)
----resources()
--------nyc_taxi.csv(260KB)
--------sine.png(48KB)
--------batch.png(130KB)
--------nuclear.mat(189KB)
----docs()
--------taxi.md(4KB)
--------favicon.png(492B)
--------comparisons.md(5KB)
--------index.md(9KB)
--------classification.md(8KB)
--------anomaly-scoring.md(4KB)
--------modifying-rctree.md(1KB)
--------_layouts()
--------streaming.md(2KB)
--------insert-and-delete.md(2KB)
--------rctree-api.md(9KB)
--------_includes()
--------tree-construction.md(1KB)
--------_data()
--------caveats.md(2KB)
--------random-cut-tree.md(3KB)
--------scoring-rctree.md(4KB)
--------batch.md(2KB)
--------related-work.md(4KB)
--------_config.yml(148B)
----.gitignore(1KB)
----_config.yml(27B)