【2018-10-07】离群点检测

异常检测

全局离群点（显著的偏离数据集中的其余对象）

情境离群点（在特定情境，显著的偏离数据集中的其余对象）

 -----------情境属性

-----------行为属性

-----------局部离群点

集体离群点（数据对象的一个子集形成集体离群点）

（1）统计学方法

        学习一个拟合给定数据集的生成模型，然后识别该模型低概率区域中的对象，把它们作为离群点。

（2）基于近邻性的方法

--------------基于距离的离群点检测和嵌套循环方法

令r为距离阈值，π（π∈（０，１］）为分数阈值，o是一个DB（ｒ，π）离群点，若：

dist(·，·)距离度量

计算DB(r，π)离群点===循环嵌套

输入：对象集D={o1，o2，o3，...，on}，阈值r(r>0)，π（π∈（０，１］）

输出：D 中的DB（r，π）离群点。

--------------基于网格的方法

cell（数据空间被划分成多维网格）

-------------基于密度的离群点检测

（3）基于聚类的方法

假定正常的数据对象属于大的、稠密的簇、而离群点属于小的或稀疏的簇，或不属于任何簇。

（4）基于分类的方法

构建一个仅描述正常类的分类器，不属于正常类的任何样本都被视为离群点。

（5）挖掘情境离群点和集体离群点

在情境离群点检测中，结构是使用情境属性定义的情境。在集体离群点检测，结构是蕴含的。

（6）高维数据中的离群点检测

主要有三种方法：传统的离群点检测、找出子空间的离群点和对高维离群点建模。