DCSO：面向离群集成中检测器分数的动态组合
机器学习
2019-11-26 v1 数据库
信息检索
机器学习
摘要
在缺乏真实标签的情况下，选择和组合离群集成中所用不同基检测器的离群分数颇具挑战。本文提出、展示并评估了一种称为DCSO的无监督离群检测器组合框架，用于动态选择最有能力的基检测器，侧重数据局部性。所提DCSO框架首先通过测试实例的k近邻定义其局部区域，然后识别局部区域内表现最优的基检测器。在十个基准数据集上的实验结果表明，DCSO在挖掘离群对象上相比现有静态组合方法提供了一致的性能提升。为促进所提方法的可解释性与可靠性，我们使用理论框架与可视化技术对DCSO进行分析，并给出可用于提升整体经验的参数设置说明。
引用
@article{arxiv.1911.10418,
title = {DCSO: Dynamic Combination of Detector Scores for Outlier Ensembles},
author = {Yue Zhao and Maciej K. Hryniewicki},
journal= {arXiv preprint arXiv:1911.10418},
year = {2019}
}
备注
ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD), Outlier Detection De-constructed Workshop, 2018