我正在对不同的数据集执行异常检测，并考虑首先对数据集进行聚类并将每个聚类提交到不同的 AD 模型。我正在使用 HDBSCAN，在我的测试数据集中，我得到了 10 到 20 个集群，但是当我在生产环境中运行第一个测试时，我得到 3500。如何在所有集群中动态重复 AD 模型？
动态聚类
数据挖掘
机器学习
异常检测
2022-02-12 05:50:12
1个回答
考虑到您的目标，我建议您使用基于 LOF（局部异常因子）的聚类。这将为您提供各个集群的异常值，而不仅仅是全局异常值。所有数据点的 LOF 距离将用于识别异常。在这里您不必担心集群的数量。
https://en.wikipedia.org/wiki/Local_outlier_factor
另外我会质疑是否需要拥有多个聚类算法。它们旨在用于特定场景。人们应该看到底层分布并选择最好的 AD 算法。