异常检测

异常检测工具包识别出不同于输入数据集其他部分的数据点,每个数据点向异常检测模型传递一个异常值(从0到无穷)一描述这个点的异常程度,值越大,异常程度越高,每个模型都给一个阈值(threshold )来判定这个点算不算异常点,这个阈值给用户来自定义.

这个异常检测工具包包含3个模型

• Local Outlier Factor（LOF）是基于密度的经典算法,针对于具有多个特征和独立观测值的数据集
• moving Z-score 用于连续数据(通常是一个时间序列)
• bayesian changepoints 贝叶斯变点 用于识别单变量数据的变化

这三个数据适用于非监督问题,如果您不确定要使用哪个模型，那么创建函数将根据数据集的模式自动选择。

creating an anomaly detection model

create 创建一个异常分析模型

local outlier factor 局部异常因子

local_outlier_factor.create 创建一个局部异常因子模型
local_outlier_factor.get_default_options() 返回模型的参数信息
local_outlier_factor.LocalOutlierFactorModel(state={}) 局部异常因子模型

其余两个模型类似