PyNomaly:使用LoOP进行异常检测-源码

上传者: 42121058 | 上传时间: 2021-09-11 09:58:34 | 文件大小: 32.64MB | 文件类型: ZIP
皮诺玛利 PyNomaly是LoOP(局部异常值)的Python 3实现。 LoOP是Kriegel,Kröger,Schubert和Zimek提出的基于局部密度的离群值检测方法,可提供[0,1]范围内的离群值,这些分数可直接解释为样本是离群值的概率。 每个样本的离群值称为本地离群值概率。 它测量给定样本相对于其邻居的密度的局部偏差作为局部离群值因子(LOF),但提供范围为[0,1]的归一化离群值。 这些离群值可直接解释为对象成为离群的概率。 由于本地异常值提供的评分范围为[0,1],因此从业人员可以根据应用程序自由解释结果。 像LOF一样,它是局部的,异常分数取决于样本相对于周围邻域的隔离程度。 局部性由k个最近的邻居给出,其距离用于估计局部密度。 通过将样本的局部密度与其邻域的局部密度进行比较,可以识别出与邻域相比密度较低的区域中的样本,从而根据其局部离群概率来识别离群的样本。

文件下载

资源详情

[{"title":"( 121 个子文件 32.64MB ) PyNomaly:使用LoOP进行异常检测-源码","children":[{"title":"paper.bib <span style='color:#111;'> 1.73KB </span>","children":null,"spread":false},{"title":"paper.md <span style='color:#111;'> 2.54KB </span>","children":null,"spread":false},{"title":"codemeta.json <span style='color:#111;'> 830B </span>","children":null,"spread":false},{"title":"FUNDING.yml <span style='color:#111;'> 18B </span>","children":null,"spread":false},{"title":"LICENSE.txt <span style='color:#111;'> 563B </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明