我本来就是处理时间序列异常检测的，之前用了全连接层以及CNN层组成的AE去拟合原始时间序列，发现效果不佳。当利用LSTM组成AE去拟合时间序列时发现，拟合的效果很好。但是，利用重构误差去做异常检测这条路依旧不通，因为发现异常曲线的拟合效果也很好……算了，这次先不打算做时间序列异常检测了。在这里把“基 ...
分类：
其他好文 时间：
2019-09-26 00:13:49
阅读次数：
309
尝试用卷积AE和卷积VAE做无监督检测，思路如下： 1.先用正常样本训练AE或VAE 2.输入测试集给AE或VAE，获得重构的测试集数据。 3.计算重构的数据和原始数据的误差，如果误差大于某一个阈值，则此测试样本为一样。 对于数据集的描述如下： 本数据集一共有10100个样本，每个样本是1行48列的 ...
分类：
其他好文 时间：
2019-09-22 13:03:21
阅读次数：
94
什么是聚类任务 “无监督学习”中研究最多，应用最广的学习任务，除此之外，还有密度估计（density estimation）和异常检测（anomaly detection）。在无监督学习中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习揭示数据的内在性质及规律，为进一步的数据分析提供基 ...
分类：
编程语言 时间：
2019-09-07 18:29:06
阅读次数：
173
某个工厂生产了一批手机屏幕，为了评判手机屏幕的质量是否达到标准，质检员需要收集每个样本的若干项指标，比如大小、质量、光泽度等，根据这些指标进行打分，最后判断是否合格。现在为了提高效率，工厂决定使用智能检测进行第一步筛选，质检员只需要重点检测被系统判定为“不合格”的样本。 智能检测程序需要根据大量样本 ...
分类：
其他好文 时间：
2019-08-29 20:31:26
阅读次数：
122
(1)涉及到的算法 1.监督学习：线性回归，逻辑回归，神经网络，SVM。 线性回归（下面第三行x0(i)其实是1，可以去掉） 逻辑回归 神经网络（写出前向传播即可，反向框架会自动计算） SVM 2.非监督学习：聚类算法(K-mean),降维(PCA) K-mean PCA 3.异常检测 4.推荐系统 ...
分类：
其他好文 时间：
2019-08-02 20:16:08
阅读次数：
82
数据集中的异常数据通常被成为异常点、离群点或孤立点等，典型特征是这些数据的特征或规则与大多数数据不一致，呈现出“异常”的特点，而检测这些数据的方法被称为异常检测。 异常数据根据原始数据集的不同可以分为离群点检测和新奇检测： 离群点检测(Outlier Detection) 大多数情况我们定义的异常数 ...
分类：
编程语言 时间：
2019-07-11 12:52:21
阅读次数：
132
本文探索 AIOps 落地的一种形式：通过行为采集、仿真模拟、主动感知等手段，从用户侧真实系统使用体验出发，结合全维监控数据，更加有效的实现智能异常检测和根因分析。
分类：
其他好文 时间：
2019-07-09 15:22:13
阅读次数：
141
selenium请求库实现爬取京东商品信息: 导入selenium库 利用try-catch实现对是否能连接进行异常检测与捕获 get方式向京东主页发送请求 通过id查找iput输入框 send_kyes为当前标签传值 通过send_keys按回车键实现查询 利用循环遍历取每个商品的名称、url（通 ...
分类：
其他好文 时间：
2019-06-29 13:04:10
阅读次数：
129
导师的研究方向之一就是异常检测 个人对于异常检测的理解是： （1）何为异常？ In data mining, anomaly detection (also outlier detection) is the identification of items, events or observatio ...
分类：
其他好文 时间：
2019-06-25 00:36:36
阅读次数：
90
局部异常因子算法（Local Outlier Factor）通过计算“局部可达密度”来反映一个样本的异常程度，一个样本点的局部可达密度越大，这个点就越有可能是异常点。 k距离和k距离邻域 某一点P的k距离（k-distance）很容易解释，就是点P和距离点P第k近的点之间距离，但不包括P。假设P是学 ...
分类：
编程语言 时间：
2019-06-19 17:13:37
阅读次数：
241
