python：一句話說機器學習演算法和調參-異常檢測

實驗背景

『WedO實驗君』今天和大家一起說下機器學習的另外一個主題：異常檢測。異常檢測，又稱為離群點檢測（Outlier Detection）。離群點為數據樣本中有別於其他樣本的少量樣本，這些樣本的特徵與其他樣本存在顯著的差異，是被不同的機制產生的。

異常檢測的經常應用在信用卡欺詐，網路攻擊檢測，數據預處理等領域。

經典聚類主要包括

基於統計的方法

基於密度的方法

基於劃分的方法

實驗器材

● python

● sklearn

● pandas

實驗內容

1. 實驗數據說明

為了說明演算法，採用隨機產生的數據集合為實驗數據。

2.基於統計的方法

3.基於密度的方法

3.基於劃分的方法

實驗結語

本實驗介紹了三種異常檢測的方法，其中工業界普遍認為孤立森林的效果是最好的。當然還有其他很多領域的離群點檢測演算法，可以看一些離群點檢測演算法綜述。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！