streaming_outlier_detection:Javascript中数据流的异常检测-源码

上传者: 42136477 | 上传时间: 2021-07-09 15:03:44 | 文件大小: 9KB | 文件类型: ZIP
Javascript中数据流的异常值检测 这是用于预测数据集中异常值的多元正态分布模型的实现。 有两种数据要么是异常值,要么是正常数据。 假设正态数据已生成高斯分布。 我们选择一个阈值是指截断尾部形状。 该算法是对称的,因此它可以考虑异常值的两个极端(高和低)。 阈值的值可以通过训练对测试数据集执行交叉验证来估计。 这个库是使用 syvester.js 库构建的。 包中的 html 文件显示了它在实践中的使用方式。 但是,index1.html 示例中的演示适用于 3 维数据。 这可以通过修改 outlier.js 中的 mergeArrays 方法来更新。 这是因为我们正在附加批量数据,并且几行代码调整将使其适用于任意数量的维度。 该算法遵循从不混合训练集和测试集的原则。 我们需要设置分类器来开始这个过程。 该数据不作为训练集,下一批数据将被馈送到分类器。 在训练集上获得协方差矩

文件下载

资源详情

[{"title":"( 4 个子文件 9KB ) streaming_outlier_detection:Javascript中数据流的异常检测-源码","children":[{"title":"streaming_outlier_detection-master","children":[{"title":"index1.html <span style='color:#111;'> 1.79KB </span>","children":null,"spread":false},{"title":"sylvester.js <span style='color:#111;'> 13.27KB </span>","children":null,"spread":false},{"title":"outlier.js <span style='color:#111;'> 5.29KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 2.38KB </span>","children":null,"spread":false}],"spread":true}],"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