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

JavaScript

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 1.79KB ","children":null,"spread":false},{"title":"sylvester.js 13.27KB ","children":null,"spread":false},{"title":"outlier.js 5.29KB ","children":null,"spread":false},{"title":"README.md 2.38KB ","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

其他资源

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

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

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载