AnomalyDetection

AnomalyDetection[{example1,example2,…}]

根据所给样例产生 AnomalyDetectorFunction[…].

AnomalyDetection[LearnedDistribution[…]]

基于给定分布生成异常检测器.

AnomalyDetection[True{example11,example12,…},False{example21,…}]

可用于表明应将哪些样例视为异常样例.

更多信息和选项

范例

打开所有单元关闭所有单元

基本范例  (2)

在数值型数据集上训练检测器函数：

用训练过的检测器找出异常样例：

在颜色列表上训练 AnomalyDetectorFunction：

用训练过的检测器找出颜色列表中的异常样例：

范围  (5)

通过用 True 标注异常样例，用 False 标注其他样例来训练 AnomalyDetectorFunction：

使用训练好的 AnomalyDetectorFunction 来查找异常样例：

通过指定没有样例为异常样例来训练 AnomalyDetectorFunction：

使用训练好的 AnomalyDetectorFunction 来查找异常样例：

在颜色上训练一个分布：

基于训练好的分布生成 AnomalyDetectorFunction：

用检测器函数查找异常颜色：

在伪随机实数组成的二维数组上训练 AnomalyDetectorFunction：

用训练过的 AnomalyDetectorFunction 和 FindAnomalies 在新样例中查找异常样例:

用训练过的 AnomalyDetectorFunction 查找异常样例及其位置：

获取训练和测试图像数据集的随机样本：

添加异常样例以破坏数据集：

通过指定训练集中已知异常样例的位置训练一个 "supervised" 异常检测器：

在测试集上使用训练好的异常检测器：

选项  (5)

AcceptanceThreshold  (1)

用异常样例创建并可视化随机三维向量：

在训练集上训练异常样例检测函数：

用异常样例检测函数查找并可视化测试集中的异常样例：

通过指定 AcceptanceThreshold 改变异常样例检测伪正类率：

Method  (1)

获取训练和测试用图像数据集：

在测试集中添加“分布之外”的样例：

用 "Multinormal" 方法训练异常检测器：

在测试集中查找异常样例：

用 "KernelDensityEstimation" 方法训练异常检测器，并尝试找出异常样例：

PerformanceGoal  (1)

加载 Fisher 鸢尾花数据集及其数值属性：

通过指定 PerformanceGoal 训练异常检测函数：

比较不同性能目标情况下异常检测函数的训练时间：

TimeGoal  (1)

获取图像数据集，并通过指定时间目标训练异常检测函数：

获取异常检测函数的训练时间：

TrainingProgressReporting  (1)

获取图像数据集：

在没有图表的情况下交互式地显示训练进程：

在训练期间定期显示训练进程：

显示简单的进程指示：

应用  (1)

获取训练和测试用图像数据集：

在测试集中添加异常样例：

在训练集上训练异常样例检测器：

在测试集中查找异常样例：

Wolfram Research (2019)，AnomalyDetection，Wolfram 语言函数，https://reference.wolfram.com/language/ref/AnomalyDetection.html （更新于 2020 年）.

文本

Wolfram Research (2019)，AnomalyDetection，Wolfram 语言函数，https://reference.wolfram.com/language/ref/AnomalyDetection.html （更新于 2020 年）.

CMS

Wolfram 语言. 2019. "AnomalyDetection." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2020. https://reference.wolfram.com/language/ref/AnomalyDetection.html.

APA

Wolfram 语言. (2019). AnomalyDetection. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/AnomalyDetection.html 年

BibTeX

@misc{reference.wolfram_2024_anomalydetection, author="Wolfram Research", title="{AnomalyDetection}", year="2020", howpublished="\url{https://reference.wolfram.com/language/ref/AnomalyDetection.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_anomalydetection, organization={Wolfram Research}, title={AnomalyDetection}, year={2020}, url={https://reference.wolfram.com/language/ref/AnomalyDetection.html}, note=[Accessed: 22-November-2024 ]}