线性判据与回归 线性判据基本概念 生成模型 给定训练样本{$x_n$}，直接在输入空间内学习其概率密度函数p(x) 优势 可以根据p(x)采样新的样本数据(synthetic data) 可以检测出较低概率的数据,实现离群点检测(outlierdetection) 劣势 高维下，需要大量的训练样本才 ...
分类：
其他好文 时间：
2020-05-05 23:48:31
阅读次数：
97
离群点（outlier）是指和其他观测点偏离非常大的数据点，离群点是异常的数据点，但是不一定是错误的数据点。确定离群点对于数据分析会带来不利的影响，比如，增大错误方差、影响预测和影响正态性。 从散点图上可以直观地看到离群点，离群点是孤立的一个数据点；从分布上来看，离群点远离数据集中其他数据点。 在数 ...
分类：
其他好文 时间：
2019-12-27 20:19:50
阅读次数：
580
异常点检测，有时也叫离群点检测，英文一般叫做Novelty Detection或者Outlier Detection,是比较常见的一类非监督学习算法，这里就对异常点检测算法做一个总结。# 一、1.异常点检测算法使用场景 什么时候我们需要异常点检测算法呢？常见的有三种情况。一是在做特征工程的时候需要对... ...
分类：
编程语言 时间：
2019-07-19 18:53:40
阅读次数：
91
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
一.学习的类型 1.根据输出空间：分类（二分类，多类别分类），回归，结构化 二分类：解决是非问题 多类别分类：邮递区号的辨识，邮件分类，图像辨识 回归：预测股票走势，预测天气 结构化：自然语言辨识 2.根据标签：监督学习，非监督学习，半监督学习，强化学习 非监督学习：聚类、密度分析、离群点检测（目标 ...
分类：
其他好文 时间：
2019-04-19 17:44:51
阅读次数：
189
分类与预测 分类主要是预测分类标号（离散属性），预测是建立连续值函数模型，预测给定自变量的因变量的值。 常用的分类与预测算法 | 算法名称 | 算法简介 | | : | : | | 回归分析 | 回归分析是确定预测属性（数值型）与其他变量间相互依赖的定量关系最常用的统计学方法。包括线性回归，非线性回 ...
分类：
其他好文 时间：
2019-04-16 01:19:20
阅读次数：
138
定义： Hawkins给出的离群点的本质性定义：离群点是数据集中偏离大部分数据的数据，由于偏离其它数据太多，使人怀疑这些数据的偏离并非由随机因素产生，而是产生于完全不同的机制。 大致分类： 一例分析步骤： 常用离群点检测方法优劣分析： 参考： 离群点检测技术在教育教学中的应用： http://kns ...
分类：
编程语言 时间：
2019-02-07 12:12:37
阅读次数：
258
聚类分析及K均值算法讲解 吴裕雄 当今信息大爆炸时代，公司企业、教育科学、医疗卫生、社会民生等领域每天都在产生大量的结构多样的数据。产生数据的方式更是多种多样，如各类的：摄像头、传感器、报表、海量网络通信等等，面对这海量结构各式各样的数据，如果单是依靠人力来完成，是件非常不现实的事，但这些数据又包含 ...
分类：
编程语言 时间：
2018-12-01 21:52:23
阅读次数：
206
异常点检测，有时也叫离群点检测，英文一般叫做Novelty Detection或者Outlier Detection,是比较常见的一类非监督学习算法，这里就对异常点检测算法做一个总结。 1. 异常点检测算法使用场景 什么时候我们需要异常点检测算法呢？常见的有三种情况。一是在做特征工程的时候需要对异常 ...
分类：
编程语言 时间：
2018-07-15 21:16:11
阅读次数：
315
