代码之家 › 专栏 › 技术社区 › phoebus

无标签机器学习异常检测

anomaly-detection training-data machine-learning

phoebus · 技术社区 · 7 年前

t0 1 10 2 0 1 0 ...
t1 1 10 2 0 1 0 ...
t2 3  0 9 7 1 1 ... // pressed a button to change the mode
t3 3  0 9 7 1 1 ...
t4 3  0 8 7 1 1 ... // pressed button to adjust a certain characterstic like temperature (signal 3)

在该特定时间段内捕获的数据应视为正常情况。现在,应该从正常情况中检测到显著的衍生。有了显著的推导,我并不是说一个信号值只是变为一个在跟踪阶段没有看到的值,而是说许多值的变化还没有相互关联。我不想硬编码规则,因为未来可能会添加或删除更多信号,并且可能会实现具有其他信号值的其他“modi”。

1 回复 | 直到 7 年前

Florian H 7 年前

您可以只计算特征空间中的最近邻,并设置一个阈值,将其与测试点的距离设置为非异常。

因此,您使用100维特征空间和训练数据(其中不包含异常)

如果您获得了一个要测试的新数据集,则计算(k)个最近邻,并计算特征空间中的(例如欧几里得)距离。

如果该距离大于某个阈值,则为异常。为了优化,你必须做的是找到一个好的k和一个好阈值。E、 g.通过网格搜索。

(2) 注意,应该为您在问题中提到的每个“模式”创建一个自己的检测器。

推荐文章

fateme · MATLAB,神经网络

3 年前

Azik · 针对常见问题解答客户支持培训IBM Watson Discovery Service

7 年前

Lucius Schoenbaum · 使用ImageData层在caffe中训练基本网络时出错

7 年前

Randoms · R: 检查培训数据中的变量

7 年前

Jayesh · 如何使用Dlib的多目标探测器?

7 年前

SriK · 训练数据的分布与测试/预测的分布

7 年前

Tvde1 · MLP列车组中的Scikit使用列表

7 年前

mRiddle · “RSNNS”软件包不允许我使用CARET的训练功能

7 年前

singa1994 · 在Tensorflow中从图像列表中提取批次

7 年前

Hello Lili · 我应该在一个历元到另一个历元之间使用相同的训练集吗(卷积神经网络)

7 年前