机器数据分析平台

  • 机器数据分析平台 > 使用文档 > 应用平台 > Pandora机器学习工具包 >fit的使用方法详述 > 检测连续数据中的异常数据【异常值检测】 > 基于方差的鲁棒的异常检测值检测 - EllipticEnvelope

    基于方差的鲁棒的异常检测值检测 - EllipticEnvelope

    最近更新时间:2022-02-24 17:11:15

    这是一种基于方差的鲁棒的异常检测值方法。该算法假设正常样本都符合高斯分布,并学习一个二维的椭圆分布。它根据数据做一个鲁棒的协方差估计,得到一组适合用来描述当前数据集的均值和方差,然后学习到一个包围中心样本点并且忽略离群点的椭圆,实现区分正常点和离群点的目的。

    语法:

    ...| fit EllipticEnvelope assume_centered=<bool> support_fraction=<float> contamination=<int> random_state=<int> <feature_field_1> <feature_field_2> [into model_name]... 
    

    参数说明:

    • assume_centered,用来假设数据是否已经“居中”,即均值为0。如不提供,默认为False。

    • support_fraction,用来指定用来计算的数据比例,必须要在(0,1)之间。如不提供,默认为[n_sample + n_features+1]/2。

    • contamination,用来指定训练集中异常数据的比例,必须要在(0,0.5]之间。如不提供,默认为0.1。

    • random_state为随机数种子,用来控制样本自助抽样的随机性和特征抽样的随机性。如果给定特定值,重新跑模型的时候,可以得出同样的结果。

    以上内容是否对您有帮助?
  • Qvm free helper
    Close