摘要:这段时间,针对Anomaly detection, 陆陆续续接触了很多clustering和outlier detection相关的algorithms。 降维方面:PCA, T-SNE, AutoEncoder 聚类分析:K-means, DBSCAN 距离密度筛选:Mahalanobis distance, Euclidean distance, local outlier factor 异常检测算法:针对此篇文章只谈AutoEncoder, 诸如iforest, oc-svm等均已 ...
Read more »

本文摘录并翻译了Towards Data Science下一篇关于异常检测方法的部分内容,并结合D.W’s Notes博客的部分翻译,具体地址如下: How to use machine learning for anomaly detection and condition monitoring – Towards Data Science如何利用机器学习进行异常检测和状态监测 – 刘帝伟的博客 D.W’s Notes 摘要: 看完这篇文章,对最近正在尝试anomaly detectio ...
Read more »

原文地址: 机器学习算法—K-means聚类K-means代码实现:https://github.com/csuldw/MachineLearning/tree/master/Kmeans 简介k-Means算法是一种聚类算法,它是一种无监督学习算法,目的是将相似的对象归到同一个簇中。簇内的对象越相似,聚类的效果就越好。聚类和分类最大的不同在于,分类的目标事先已知,而聚类则不一样。其产生的结果和分类相同,而只是类别没有预先定义。 算法原理设计的目的:使各个样本与所在簇的质心的均值的误差平方和达到 ...
Read more »

关于之前的blog2016-2018大学期间,零散记录了约80篇blog,数量虽不少,但有较强阅读价值的屈指可数;另之前保存blog的sourcemd文件在老家的移动硬盘中,也懒得再migrate过来。遂下定决心重新开始纪录。 关于新blog的内容新blog的内容会重点留下自己mechine learning学习路途中的理解和感悟、别人有价值的文章阅读、项目或比赛中用到的一些算法及思路的解释、及个人心得等。 遂留此篇blog为证! 2019-02-12 叶鹏
Read more »