基于自编码器的 PRC 分类树集成
机器学习
2025-09-09 v1 机器学习
摘要
异常检测是网络安全和入侵检测以及欺诈防治等关键应用领域的基础，快速识别异常模式至关重要。这一领域的进展常常受到两个障碍：极端类别不平衡和维度灾难。为克服前者，我们之前引入了精确-召回曲线（Precision-Recall Curve, PRC）分类树及其集成方法——PRC 随机森林（PRC-RF）。基于此基础，我们现在提出了一种混合框架，将 PRC-RF 与自编码器集成，后者是一种学习紧凑潜在表示的无监督机器学习方法，以同时应对这两个挑战。广泛的基准数据集实验表明，所得的自编码器-PRC-RF 模型在准确率、可扩展性和可解释性方面均优于先前方法，确认了其在高风险异常检测任务中的潜力。
引用
@article{arxiv.2509.05766,
title = {Ensemble of Precision-Recall Curve (PRC) Classification Trees with Autoencoders},
author = {Jiaju Miao and Wei Zhu},
journal= {arXiv preprint arXiv:2509.05766},
year = {2025}
}