本文针对IBM SPSS Modeler中的“异常”节点对应的离群点检测算法以及节点使用方法进行了分析和说明，不当之处请批评指正！ ...
分类：
其他好文 时间：
2018-05-06 18:58:20
阅读次数：
412
大家接触的第一个聚类方法，十有八九都是K-means聚类啦。该算法十分容易理解，也很容易实现。其实几乎所有的机器学习和数据挖掘算法都有其优点和缺点。那么K-means的缺点是什么呢? 总结为下： (1)对于离群点和孤立点敏感； (2)k值选择; (3)初始聚类中心的选择； (4)只能发现球状簇。 对 ...
分类：
编程语言 时间：
2017-08-26 20:42:16
阅读次数：
165
基于统计学的方法 一、基于正态分布的一元离群点检测方法 假设有 n 个点$(x_1, ...,x_n)$, 那么可以计算出这n个点的均值$\mu$和方差$\sigma$.均值和方差分别被定义为： 在正态分布的假设下，区域$\mu +- 3 \sigma$包含了99.7% 的数据，如果某个值距离分布的 ...
分类：
编程语言 时间：
2017-08-22 19:51:23
阅读次数：
203
http://blog.csdn.net/wangyibo0201/article/details/51705966 在数据挖掘方面，经常需要在做特征工程和模型训练之前对数据进行清洗，剔除无效数据和异常数据。异常检测也是数据挖掘的一个方向，用于反作弊、伪基站、金融诈骗等领域。 异常检测方法，针对不同 ...
分类：
编程语言 时间：
2017-08-04 20:34:39
阅读次数：
265
R语言数据挖掘实战系列（5）——挖掘建模一、分类与预测分类和预测是预测问题的两种主要类型，分类主要是预测分类标号（离散属性），而预测主要是建立连续值函数模型，预测给定自变量对应的因变量的值。1.实现过程（1）分类分类是构造一个分类模型，输入样本的属性值，输出对应..
分类：
编程语言 时间：
2017-07-23 22:32:09
阅读次数：
189
http://blog.csdn.net/wangyibo0201/article/details/51705966 局部异常因子算法-Local Outlier Factor(LOF) 在数据挖掘方面，经常需要在做特征工程和模型训练之前对数据进行清洗，剔除无效数据和异常数据。异常检测也是数据挖掘的 ...
分类：
编程语言 时间：
2017-06-06 13:07:14
阅读次数：
546
1.聚类分析1.0 概念聚类分析简称聚类（clustering），是一个把数据集划分成子集的过程，每一个子集是一个簇（cluster），使得簇中的样本彼此相似，但与其他簇中的样本不相似。聚类分析不需要事先知道样本的类别，甚至不用知道类别个数，因此它是一种无监督的学习算法，一般用于数据探索，比如群组发现和离群点检测，还可以作为其他算法的预处理步骤。下面的动图展示的是一个聚类过程，感受一下：1.1 基本...
分类：
编程语言 时间：
2015-08-20 21:01:33
阅读次数：
1993
1 离群点和离群点分析1.2 离群点的类型 a.全局离群点 显著偏离数据集中的其余对象，最简单的一类离群点。 检测方法：找到一个合适的偏离度量 b.情境离群点 离群点的值依赖于情境。分为情境属性（定义对象的情境）和行为属性（定义对象的特征） c.集体离群点 数据对象的子集形成集体离群点，如果这些对象...
分类：
其他好文 时间：
2015-04-08 21:32:10
阅读次数：
559
将一群物理对象或者抽象对象的划分成相似的对象类的过程。其中类簇是数据对象的集合，在类簇中所有的对象都彼此相似，而类簇与类簇之间的对象是彼此相异。聚类除了可以用于数据分割（data segmentation）,也可以用于离群点检测（outlier
detection）,所谓的离群点指的是与“普通”点相对应的“异常”点，而这些“异常”点往往值的注意。
很多人在学习聚类之初，容易将...
分类：
其他好文 时间：
2014-11-05 13:04:06
阅读次数：
252
