机器学习笔记六：sklearn四种异常检测算法比较以及实现异常点检测
一、异常检测算法介绍
sklearn.svm.OneClassSVM ：对异常值敏感，因此对于异常值检测效果不佳。当训练集不受异常值污染时，此估计器最适合新数据检测；而且，在高维空间中检测异常值，或者不对基础数据的分布进行任何假设都是非常具有挑战性的，而 One-class SVM 在这些情况下可能会得到有用的结果，如果超参数设置合适的话。
二、异常点检测实例
此实例显示了2D数据集上不同异常检测算法的特征。数据集包含一种或两种模式(高密度区域)，以说明算法处理多模式数据的能力。示例中有5个数据集，对于每个数据集，将生成15％的样本作为随机均匀噪声。该比例是为 OneClassSVM 的 nu 参数和其他异常值检测算法的污染参数提供的值。离群值的决策边界以黑色显示，但局部离群值因子(LOF)除外，因为当用于离群值检测时，它没有适用于新数据的预测方法。
如有侵权请及时联系我们处理，转载请注明出处来自
推荐文章
科技快看 网站地图广州壹创集信息科技有限公司 版权所有 粤ICP备2021122624号
