基于核的逆 Christoffel 函数离群点检测
机器学习
2018-06-19 v1 机器学习
摘要
近年来，由于安全问题的日益突出及其在众多领域的广泛应用，离群点检测方法变得愈发重要。最近，Pauwels 和 Lasserre（2016）注意到逆 Christoffel 函数的子水平集可利用平方和多项式精确刻画数据云的形状，并可用于执行离群点检测。在本工作中，我们提出了逆 Christoffel 函数的核化变体，使其在特征数量众多的数据集上计算可行。我们在 15 个不同数据集上将我们的方法与现有方法进行比较，取得了最佳的平均精确率-召回率曲线下面积（AUPRC）得分、最佳平均排名以及最低均方根偏差。
引用
@article{arxiv.1806.06775,
title = {Kernel-based Outlier Detection using the Inverse Christoffel Function},
author = {Armin Askari and Forest Yang and Laurent El Ghaoui},
journal= {arXiv preprint arXiv:1806.06775},
year = {2018}
}