Любой алгоритм обнаружения аномалий не требует заранее определенного процента аномалий?

Question

Большинство известных мне алгоритмов обнаружения аномалий (например, OneClass SVM) требуют, чтобы каждый оценивал процент аномалий в наборе данных; например, 1%, 0,1% и т.д. c. Затем он перечисляет верхние 1% (или 0,1% и т. Д. c.) Наивысших баллов по результатам и классифицирует их как аномалии. В некоторых ситуациях невозможно точно оценить процент.

Существуют ли алгоритмы, не требующие заранее определенной аномалии крысы ios?

Answer 1

Вы можете попробовать использовать IsolationForest и установить contamination=0.0. Другой альтернативой является автокодер с ошибкой восстановления . В обоих случаях предполагается, что в вашем тренировочном наборе практически нет аномалий. Вы должны посмотреть на свои оценки аномалии и установить свой порог на основе ваших требований.