作者：安德烈·维特（Andre Veit）
领英（LinkedIn）： :
电子邮件：
信用卡欺诈检查
不平衡数据的分类和异常检测
关于本笔记本
欺诈并不是什么新鲜事物，事实上，据《您的钱》网站称，第一个欺诈记录发生在公元前300年。 如今，在互联网和数字化以惊人的速度增长的世界中，每天都通过网络实现数百万笔交易和其他操作。 这意味着欺诈者有很多机会。
幸运的是，相对而言很少。 不幸的是……这个事实使他们很难被抓住。
本笔记本的目的是探索几种处理异常检测和高度不平衡的数据集的方法。
概述：
数据探索与准备
无监督学习-异常检测
2.1。 隔离林2.2。 局部离群因子
监督学习-分类
3.1。 逻辑回归3.2。 随机森林3.3。 支持向量机
自动编码器-无监督和半监督学习
4.1。 无监督学习4.2。 半监督学习
数据集
该数据集来自Kaggle网站，可以通过以下链接找到：
2021-08-27 09:16:24
1.58MB
1
2.Deep Learning for Anomaly Detection A Review 论文分享（中）.pdf
2021-08-24 14:01:40
4.62MB
1
提出了基于”迁移学习+少数磁盘故障预测”的TLDFP模型。
主要采用了TrAdaBoost（权重调整的迁移学习方法)的思想。
作者 张霁 华中科技大学博士
可免费下载。
2021-08-18 22:21:30
2.43MB
1
时间序列异常分析matlab代码HMM代码进行异常检测
编写了Matlab代码“
KMeans_MEP_HMML_HMMD.m”，用于通过隐马尔可夫模型和符号时间序列分析使用短长度传感器时间序列进行异常检测，并将其应用于燃烧系统中热声不稳定性（TAI）的低延迟检测。
该代码使用由凯文·墨菲（Kevin
Murphy）编写的“用于Matlab的隐马尔可夫模型（HMM）工具箱”，根据许可可免费获得。
本软件按“原样”提供，不提供任何形式的明示或暗示担保，包括但不限于对适销性，特定目的的适用性和非侵权性的担保。
无论是由于软件，使用或其他方式产生的，与之有关或与之有关的合同，侵权或其他形式的任何索赔，损害或其他责任，作者或版权所有者概不负责。软件。
2021-08-13 21:46:52
18.06MB
1