基于 Mallows 类似准则的随机森林实现异常检测
机器学习
2024-05-30 v1 机器学习
摘要
依赖单一模型的异常信号检测效果会因其固有的不确定性而受到显著削弱。在模型平均方法的框架下，本文提出了一种新型准则，用于选择聚合多个模型的权重，其中焦点损失函数考虑了极度不平衡数据的分类。该策略进一步通过取代常规投票方法被集成到随机森林算法中。我们在包括网络入侵在内的多个领域基准数据集上对所提方法进行了评估。结果表明，我们提出的方法不仅超越了使用典型损失函数的模型平均方法，还在准确率和鲁棒性方面超越了常见的异常检测算法。
引用
@article{arxiv.2405.18932,
title = {A Mallows-like Criterion for Anomaly Detection with Random Forest Implementation},
author = {Gaoxiang Zhao and Lu Wang and Xiaoqiang Wang},
journal= {arXiv preprint arXiv:2405.18932},
year = {2024}
}