我是深度学习领域的新手，我想问一下使用自动编码器进行异常检测的未标记数据集。我令人困惑的部分从以下几个问题开始： 1)一些帖子说从原始数据集中分离出异常和非异常(假设被标记)，并用唯一的非异常数据集训练AE (通常非异常的数量将更占主导地位)。因此，问题是，如果我的数据<em
浏览 16提问于2019-06-14得票数 1
1回答
用于特征选择的自动编码器
、、、、
我正在使用一个具有41个特征、数字和名词的数据集，其中42个是类(正常与否)，首先我将所有的名词特性更改为数字，因为自动编码器要求输入向量应该是数字的。因此，特征的数量从42个增加到122个。我删除了类colomn，因为AE使用未标记的数据，我使用它将维度从121降到10 ( 121> 50-> 10 ->50- 121 )，现在我想构建一个MLP来对数据
浏览 0提问于2018-06-18得票数 4
如何在异常检测中抑制某些异常值？ 我们使用自动编码器构建了一个模型，它检测到了异常。一些被标记为异常(在正态分布之外)的数据点实际上并不是异常。 我们如何训练模型，使其不将这些识别为异常？我们是否将这些数据点的多个副本添加到数据集中，然后再次训练，或者是否有任何其他我们可以应
浏览 25提问于2020-10-26得票数 0
回答已采纳
1回答
我被要求进行一个使用自动编码器进行异常检测的项目。数据集(合成的，由我创建)由9个虚构的传感器读数组成。问题是，要求在自动编码器的输入层中有90个神经元，所以我实际上被要求为每个传感器(10*9=90)收集10个样本的向量，以便将90维的特征向量作为网络的输入。
你有什么提示吗？谢谢
浏览 0提问于2018-11-13得票数 0
1回答
异常检测模型的特征归一化
、、、、
对于使用自动编码器进行异常检测/新颖性检测，我有一个关于特征规范化/标准化(Standardisation)的问题。通常，在ML问题中，我们分割火车/测试集。在列车上安装普通/标准定标器，并使用它来转换(而不是fit_transform )测试数据。但是，在异常检测/新颖性检测中，我们如何
浏览 3提问于2022-10-31得票数 -1
1回答
我正在建立一个事件序列数据(事务)异常检测系统。对于每个时间步骤，事务可以处于76个不同阶段中的任意一个阶段。
因此，我的数据集是一个大小为(m，t，N)的三维数组。到目前为止，我已经在Python中用Keras创建了一个LSTM变分自动编码器，并通过在事务的潜在表示上应用Local因子进行异常检测。我想将结果与其他技术进行比较。我想知道是否有人对未标记事件序列<
浏览 0提问于2020-08-14得票数 0
1回答
自动编码器分析检测
、、、
我最近了解到使用自动编码器(特别是去噪自动编码器)进行的anamoly检测，.To训练自动编码器，我们需要有某种模式的数据吗？或者有什么方法来训练异常数据，以及如何确定这些数据是否适合于自动编码模型的训练。
浏览 0提问于2020-01-20得票数 1
回答已采纳
1回答
我想用一种无监督的学习方法检测银行数据集中的异常。然而，在银行数据集中，除了时间和数量之外，所有列都是分类数据，其中大约一半的列有超过90 %的缺失值。
该数据集试图通过无监督学习来检测异常。我目前正在使用自动编码器来访问它，但我想知道这是否有效。另外，由于其目的是在数据实时输入时检测数据是否异常</e
浏览 0提问于2021-05-17得票数 1
2回答
我一直在寻找能够帮助发现存储在数据库中的文本数据中异常的方法。其主要目标是采用无监督学习方法检测异常。此外，如何在数据集中找到上下文并找出上下文异常？
浏览 0提问于2016-11-07得票数 6
2回答
我想选择一个无监督的算法来学习从数据中预测$n$输出，例如。图像中的4个坐标(像素)。我应该选择哪种算法？但我很困惑，因为分类算法是有监督的算法的一部分，我们有标签的数据。我是否应该使用聚类来找到两组可以输出的点？也许是异常检测来找出四个奇点？
浏览 0提问于2018-05-25得票数 2
1回答
处理异常检测问题。我用自动编码器进行去噪输入。我用正常的数据训练网络(无异常)。因此，模型预测给定输入的正常状态。对于我的数据集来说，输入的规范化是必不可少的。归一化的问题是当噪声值很高时，与整个数据集相比。然后预测跟随噪声。例如，如果我向80%的数据中添加噪声(delta=300)，并对平均值为250，标准差为79的数
浏览 0提问于2019-03-11得票数 0
1回答
我使用Python和Tensorflow构建了一个自动编码器。为了构建自动编码器，我使用了Tensorflow教程，介绍如何构建自动编码器来读取手写数字上的MNIST数据集。到目前为止，我对“自动编码器代码”进行了结构调整，使其能够在自己的数据上使用。我找到
浏览 0提问于2017-01-31得票数 2
回答已采纳
2回答
目前，我正在尝试构建一个自动编码器，用于检测时间序列数据中的异常。我的方法基于本教程：使用普通的MLP网络，您可以有一个用于时间序列的网络和一个用于元数据的网络，并将它们合并到更高层。但是如何使用这些数据作为自动
浏览 22提问于2021-04-18得票数 0
我一直在使用H2O的自动编码器(用autoencoder=TRUE深入学习)和h2o.anomaly进行异常检测。到目前为止，已经在整个数据集上执行了这些操作。但是，现在我需要为数据集的每个部分(子群体)构建一个单独的模型。h2o.train_segments，所以我尝试了一下，但它给了我这样的错误消息：这是否意味着h2o.t
浏览 17提问于2021-02-17得票数 0
2回答
我在想，下面的策略是否已经被使用过，是否可行？if P(cat) and P(dog) ~0.5 then it's an anomaly
另一种方法是取特征向量，最后取完全连通层，比较向量与其他向量有很大的不同，可将其视为异常
浏览 0提问于2019-08-07得票数 0
1回答
我目前正在从事一个需要使用无监督异常检测的项目，但我无法找到相关的数据集，因此我考虑以下选项：
假设我有一个数据集，X of m示例使用K类标记。让X(k)是所有示例都被标记为k的X的子集，而k_{max}是larget类。我是否可以使用X(k_{max})作为异常检测器的训练集，其任务是将未标记为k_{max
浏览 0提问于2019-11-05得票数 0
我正在尝试构建一个自动编码器神经网络，用于在单列文本列表中查找异常值。fab_label_background.xmlfab_shadow_dark.9.png 我已经使用Keras构建了一个自动编码器网络，并且我使用python但我超级不确定如何解释预测数据，我的“指数”变量如下所示： array([116, 116, 74, 74, 97,
浏览 9提问于2019-04-22得票数 2
2回答
我正在尝试开发一个基于深入学习的入侵检测系统。
我们模拟了一个正常的网络流量，并在CSV文件(网络数据包字段的数值数据集(IP源、端口等)中编写。但是我没有异常(恶意)数据包来训练神经网络。我搜索了类似的问题，我发现自动编码器是一种很好的无监督学习方法，但问题是我对深入学习很陌生，我只找到了这个示例，他们在图像数据集上使用自动编码器。我希望在数值CSV数据
浏览 5提问于2017-05-02得票数 2
回答已采纳
1回答
假设一个数据集有0.5%的特征是连续的，99.5%是分类(二进制)，总共有2400个特征。在这个数据集中，每个观察是两个类别中的一个--欺诈(1)或不欺诈(0)。假设我们想要预测一个给定的例子是否是欺诈，我们采用了一种使用自动编码器的异常检测方法。
考虑到数据集中的混合数据类型，一般来说，仅对非欺诈示例进行培训的自动编码器在预测欺诈示例方面会表现良好吗？是否有任何
浏览 0提问于2018-07-09得票数 8
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
