使用多元高斯分布进行异常检测

领域专家: 人工智能技术领域

2023-07-09 05:59:03

使用多元高斯分布进行异常检测_无水先生的博客-CSDN博客

...全文

13 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

机器学习异常检测（高斯分布）.7z

使用多元高斯分布的异常检测 使用多元高斯分布和Apache Spark MLlib 的异常检测示例描述这是使用多元高斯分布的异常检测算法的相当简单的示例。它从数据集中计算mu向量和sigma2矩阵，并将它们作为参数传递给 Spark MLlib MultivariateGaussian以获得每个数据向量的概率密度。然后使用交叉验证数据集，它尝试使用F1 score指标找到最佳epsilon值。具有最佳 epsilon 值，它会找出异常值并打印结果。应用程序需要四个参数：数据文件路径：包含m示例的mxn矩阵，其中每行是一个n维特征向量包含交叉验证数据集的文件路径，其中每一行是一个n维特征向量包含上述交叉验证数据集每一行显式分配结果的文件路径，其中0正常数据， 1表示异常输出目录路径输出：应用程序在输出目录下创建三个子目录（指定为输入参数）： /ps包含每个数据

Python_Matlab模块，用于计算多元高斯分布的矩，包括非平凡分布的矩。_A Python_Matlab module to compute moments of multivariate Gaussian distributions, including non-trivial ones..zip

N维数据中的半监督异常检测。概括使用半监督学习和Python，在给出具有大部分有效示例的数据集的情况下，我们使用高斯模型和多元高斯模型学习点的分布。然后，我们可以将点标记为异常或不使用经过训练的模型。该算法的监督部分是指定用于标记点的阈值。数字下面显示的图形代表高斯模型（顶部）和多元高斯模型（底部）。两种模型都使用相同的输入数据进行了训练。图例： x和y轴-2D空间中的数据点蓝点-用于构建模型的输入数据红点-二维空间中标记为异常的点黄点-二维空间中标记为有效的点 s Rados Jovanovic-初始工作执照此项目已获得MIT许可证的许可-有关详细信息，请参阅文件致谢向每个为科学做出贡献的人致谢！

04.02_02_多维高斯分布的KL散度.pdf

人工智能旅行团

2

社区成员

331

社区内容

发帖

与我相关

我的任务

计算机视觉数据挖掘自然语言处理个人社区北京·房山区

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章