面向异常检测的混合数据因子分析
机器学习
2020-05-26 v1 机器学习
摘要
异常检测旨在识别偏离数据典型模式的观测。异常观测在实践中可能对应金融欺诈、健康风险或错误测量的数据。我们表明，通过先对数据进行嵌入再评估异常评分方案，可增强高维混合数据中的异常检测。我们关注无监督检测以及连续与分类（混合）变量情形。我们提出一种用于异常检测的峰度加权混合数据因子分析，FAMDAD，以获得用于异常评分的连续嵌入。我们说明异常在该空间的前几个与后几个有序维度中高度可分离，并在该子空间内测试多种异常评分实验。结果在模拟与真实数据集上均得到展示，所提方法（FAMDAD）在这些多样化场景中对高维混合数据高度准确。
引用
@article{arxiv.2005.12129,
title = {Factor Analysis of Mixed Data for Anomaly Detection},
author = {Matthew Davidow and David S. Matteson},
journal= {arXiv preprint arXiv:2005.12129},
year = {2020}
}