文件名称：SUOD:（MLSys'21）用于大范围无监督异构异常检测（异常检测）的加速系统
文件大小：5.85MB
文件格式：ZIP
更新时间：2024-06-15 21:46:33
python distributed-systems machine-learning data-mining machine-learning-algorithms
SUOD：加速大范围无监督异构异类检测 部署，文档和统计 建筑状态，覆盖范围，可维护性和许可 背景：离群值检测（OD）是一项关键的数据挖掘任务，用于通过大量高风险应用程序（包括欺诈检测和入侵检测）从普通样本中识别异常对象。 由于缺乏地面真相标签，从业人员通常必须构建大量异构的无监督模型（即，不同的算法和超参数），以便与整体学习进行进一步组合和分析，而不是依赖于单个模型。 但是，这在高维，大型数据集上产生了严重的可伸缩性问题。 SUOD（šcalableûnsupervisedöutlier d etection）是加速度用于大规模非监督异构离群检测器训练和预测框架。 它着重于在控制检测性能下降的同时，在三个互补方面进行加速（用于高维数据的降维，用于复杂模型的模型逼近以及用于分布式系统中任务负载不平衡的执行效率的提高）。 自2019年9月成立以来，SUOD已成功用于各种学术研究和行业
【文件预览】：
SUOD-master
----MANIFEST.in(215B)
----.travis.yml(747B)
----README.rst(10KB)
----figs()
--------system_overview.png(154KB)
--------flowchart-suod.png(72KB)
----CHANGES.txt(824B)
----docs()
--------api.rst(990B)
--------suod.models.rst(1011B)
--------example.rst(2KB)
--------conf.py(5KB)
--------zreferences.bib(819B)
--------make.bat(760B)
--------install.rst(1KB)
--------suod.rst(352B)
--------suod.models.saved_models.rst(197B)
--------requirements.txt(97B)
--------Makefile(634B)
--------about.rst(408B)
--------model_persistence.rst(647B)
--------index.rst(7KB)
--------suod.utils.rst(334B)
----pypi_build_commands.txt(863B)
----LICENSE(1KB)
----appveyor.yml(911B)
----setup.cfg(40B)
----requirements.txt(91B)
----examples()
--------__init__.py(0B)
--------demo_model_save_load.py(2KB)
--------module_examples()
--------demo_full.py(6KB)
--------datasets()
--------demo_base.py(2KB)
----setup.py(2KB)
----.gitignore(1KB)
----.circleci()
--------config.yml(1KB)
----suod()
--------models()
--------test()
--------__init__.py(0B)
--------utils()
--------version.py(578B)
----.gitattributes(117B)