Тщательно созданный, тщательно спроектированный ресурс для специалистов по данным.
Часть 1 Главы 02 из Руководства по машинному обучению для обнаружения аномалий
Внимание! Прежде чем вы продолжите читать эту статью и все статьи, составляющие это руководство, вы должны понять, что оно было частично создано с использованием модели OpenAI GPT 4. Это началось как проект самообучения, и я достаточно скоро понял, что это может быть действительно ценным для коллег-исследователей данных. По этой причине я буду выпускать полное руководство бесплатно вместе с каждой главой, чтобы вы могли сразу перейти к прочтению руководства из документа, и вам даже не нужно было давать мне время на чтение, если вы этого не хотите.
Указатель справочника
0: О создании этого руководства
1: Введение в обнаружение аномалий
››››› 2: Статистические методы обнаружения аномалий (Часть 1) ‹‹‹‹‹
2: Статистические методы обнаружения аномалий (часть 2)
3: Введение в M. Обучение обнаружению аномалий (часть 1)
3: Введение в М. Обучение обнаружению аномалий (Часть 2)
4: Работа с несбалансированными классами в контролируемом обучении
5: K-средние Кластеризация для обнаружения аномалий
6: DBSCAN для обнаружения аномалий
7: Изолирующий лес для обнаружения аномалий
8: Одноклассовая SVM (машина опорных векторов) для обнаружения аномалий
9: K-ближайшие соседи (KNN) для обнаружения аномалий
10: Обучение основным графам и структурам (PGSL) для обнаружения аномалий
11: Методы уменьшения размерности для обнаружения аномалий
12: Сингулярные Декомпозиция значений (SVD) для обнаружения аномалий
13: Расширенные методы матричной факторизации для обнаружения аномалий
14: Метод Нистрома для обнаружения аномалий
15: Методы ядра для обнаружения аномалий
16: Расширенные методы Алгоритмы обнаружения аномалий
17: Выбор функций и проектирование для обнаружения аномалий
18: Полууправляемое обучение для обнаружения аномалий
19: Глубокое обучение для обнаружения аномалий
20: Методы ансамбля для Обнаружение аномалий
21: Показатели оценки для обнаружения аномалий
22: Практические примеры и отраслевые приложения
23: Заключение и будущие направления в области обнаружения аномалий
