基于项目反应理论的无监督异常检测集成
机器学习
2021-06-14 v1 人工智能
机器学习
摘要
由异构的无监督异常检测方法集合构建集成具有挑战性，因为类标签或真实情况未知。因此，使用响应变量或类标签的传统集成技术无法用于构建无监督异常检测集成。我们采用项目反应理论（IRT）——教育心理测量中用于评估学生与试题特征的一类模型——来构建无监督异常检测集成。IRT 的潜特质计算天然适用于异常检测，因为该潜特质可用于揭示隐藏的真实情况。通过一种新颖的 IRT 到异常检测问题的映射，我们构建了能够弱化含噪、无判别力的方法并凸显锐利方法的集成。我们在广泛的数据仓库上通过将 IRT 集成的性能与其他集成技术比较，展示了其有效性。
引用
@article{arxiv.2106.06243,
title = {Unsupervised Anomaly Detection Ensembles using Item Response Theory},
author = {Sevvandi Kandanaarachchi},
journal= {arXiv preprint arXiv:2106.06243},
year = {2021}
}
备注
25 pages