一种基于降维的灵活异常检测框架
机器学习
2020-06-25 v1 天体物理仪器与方法
人工智能
统计计算
机器学习
摘要
异常检测具有挑战性，尤其对于高维大规模数据集。本文探讨了一种基于降维与无监督聚类的通用异常检测框架。我们发布了 DRAMA，一个通用的 Python 包，以多种内置选项实现了该通用框架。我们在多达 3000 维的各类模拟与真实数据集上测试了 DRAMA，发现其鲁棒且与常用异常检测算法相比极具竞争力，尤其在高维情形下。DRAMA 框架的灵活性使得在获得部分异常样本后可进行显著优化，这使其非常适用于在线异常检测、主动学习以及高度不平衡的数据集。
引用
@article{arxiv.1909.04060,
title = {A Flexible Framework for Anomaly Detection via Dimensionality Reduction},
author = {Alireza Vafaei Sadr and Bruce A. Bassett and Martin Kunz},
journal= {arXiv preprint arXiv:1909.04060},
year = {2020}
}
备注
6 pages