COMP90049 IML
Parameter and Hyper-Parameter
Hyper- function, voting scheme
whokdataatkdistfunc.votiy.pt/ikelihod.
Copyright By PowCoder代写 加微信 powcoder
smoothigsmo.gg/inearaefntTReguhziystrgth.bias
height.max_iter.fi
t.inagcoeffiients.FI/gers,widh.”Treehod”max_gh.
LR Perceptron Neural Nets
Decision Tree
Parameter: estimated/learned from data Hyper-Parameter: set manually
Non-parametric model : make no assumption Parametric model: assume data distribution
CPU IML 期末课 4(1)
COMP90049 IML
Anomaly Detection
• Statistical: assume that the normal data follow some statistical
统计，distribution 低的部分
stochastic model)
䬖• Proximity-based: An object is an outlier if the nearest neighbors of
object are far away
• Density-based: Outliers are objects in regions of low density
• Clustering-based: Normal data belong to large and dense clusters
npsitieAnom.ly/legatieNamal.AnomagtfkcaH=
Supervised Method
当作 binary classification 问题
1.unbalance class problem 2.处理不了 unknown type anomaly
3.prefer high recall
Anomaly 的样本数量相较于数据本身很少
䓙 么 山, 所以我们想要 Fn 降低
判断成 hh Ftht
CPU IML 期末课 4(1)
COMP90049 IML
Semi-supervised Method
Normal data is labelled， anomaly is unlabelled
1.需要有 labelled data
2.possibly have high FP rate (false alarm)
建立模型 不符合模型
Probability 低
Unsupervised Method
标成 把没⻅过的Namaldata 标成
lowpecis.in
Cluster normal data, if far away from clusters formed, then anomaly
-计算正常数据的 summary stats ( 正常 数据 -建立正常数据的概率分布
无明显的 pattern
1.Normal data might not have a strong pattern 2.Hard to distinguish noise and anomaly
hoise 误差 Anomdgou.hr
desnotpodeunu.ua/value
Vhsttdniatesgnifiag
由 记录 误差 导致
CPU IML 期末课 4(1)
COMP90049 IML
1 statistical
例 Univariate
例 Likelihood
low probability density region, hence anomaly
D= (1- 八)Mt入A ˇ
䟃 前, 前面表示 的 情况更有 可能出现 。
CPU IML 期末课 4(1)
COMP90049 IML
如果移之后变化的值很大，就真的移动到 Anomaly
CPU IML 期末课 4(1)
COMP90049 IML
2 Proximity based
反而不是 anomaly 1-NN
周围没 node，是 anomaly
数据远 ⇒ Anondg.Anomagscoreisthedistancetokthhearestheghbour.hn
5-NN 更好 止 㠐 中
:比如上边的，左右边 cluster 密度大小不一 样
Cluster 的密度不应 该影响 anomaly 判 定，应该根据 cluster 的密度来调节 anomaly判定标准
CPU IML 期末课 4(1)
COMP90049 IML
3 Density based
分 为 Anomdg
neighbouv 的 平均距离
Tend to work poorly if data has variable density
Relative density:
x 的dng 平均 heghar
超过限制，就不能算是neighbor了
CPU IML 期末课 4(1)
COMP90049 IML
4 Cluster based
通过归属程度来判断 anomaly
distance between centroids
xrdGantriodndx.antroidzl.io
不属于任何一个 cluster，就是 anomaly .
CPU IML 期末课 4(1)
COMP90049 IML
6:08 形后 dk-dj.eu
404:166 t.si .
ㄨ0-69 066 .
最近 1.66 > 0.85
d, 1.35-1.2
distahe.heght.dk
M 没有 1 v 品5
0.15 + 0.7
1 + (1-0.8) 1 -1 0 – 2
stowl.5lout.I.tlam.my
CPU IML 期末课 4(1)
COMP90049 IML
划分到最近的 cluster
07 hllt-10.IO
0.1 04) [04.0-7)[071]
每个 seed 是一个 cluster 的 centroid
11 015 0310.
015 03 045 045 1
重新计算 centroid
011 015 03 045 045 1 .
011 015030450451 .
wochge.KMe.us
不变了，converge 了
CPU IML 期末课 4(1)
COMP90049 IML
CNesxphh-ixjitstoutips.tt
p(d)= iP(5104)二千
pll.la 6) = i
P14 P(M比)j 1
51 =iP(1- 14)=
xP(州们二 分子 + 1， 分母 + 3 (有三个值)
Z.PK/ak)=E
PCMlahi_ICMK_PCHlaklifPCHM-fk-Mews.PL
Yelde)= f p
P ( Grlak ) = i
则比1= PCRedlstj-i.Aleiixixf-E-o-on.su#x-xt=f=o.o34.
P ( G 1 51 ) = É
CPU IML 期末课 4(1)
COMP90049 IML
AlestoutTotal.LI
0年 M’t2f35
Totd 03 4 0 7
9 12 0-3-3
十二日 三 三 °梁 力 站
ak 404 2年 1号
– h1:0-4 1
amexibcandxibcchoosewhicheveri.sk
CPU IML 期末课 4(1)
COMP90049 IML
ourobjectiebtobuildamd.lt atgehehzet
diniddtaintotrg.gg
gstmaticeuoriuheritdinm.de bggy.lu
iahaitlowhuchmodelcgesifthsondgat.trainigset.lt
amiyluru.bothcunesdohotpafrmull-shighbias.by gphencuwes-thighaiance.Generakzatiaerrore-i.br
variana teu Èorz
CPU IML 期末课 4(1)
COMP90049 IML
CPU IML 期末课 4(1)
COMP90049 IML
GIJFD.Olge.iibhei.lt
j ojageijtj.io
CPU IML 期末课 4(1)
apple.ibmlemonsnn-A:
dnrg EF.1-502.o.jo
CPU IML 期末课 4(1)
ABCDEF.A-TTTE.io
disfaha.matix.SE
ABC吖E所 𦉪BCD
CPU IML 期末课 4(1)
程序代写 CS代考 加微信: powcoder QQ: 1823890830 Email: powcoder@163.com