主要内容

异常检测

发现异常值和新奇点

Statistics and Machine Learning Toolbox™为未标记的多元样本数据提供了几种异常检测功能。异常检测特征通过训练模型或学习参数来检测异常(训练数据中的异常)。对于新颖性检测(使用未受污染的训练数据检测新数据中的异常),您使用未受污染的训练数据(没有异常值的数据)训练模型或学习参数,并使用训练过的模型或学习过的参数检测新数据中的异常。有关详细信息,请参见无监督异常检测

如果您有标记为正常点和异常点的训练数据,您可以训练一个二进制分类模型并使用resubPredict预测对象函数分别检测训练数据和新数据中的异常。有关受支持的分类特性列表,请参见金宝app分类

工具箱还提供了特定于模型的异常检测特性,您可以在训练分类、回归或聚类模型后应用这些特性。有关详细信息,请参见模型相关的异常检测

功能

全部展开

iforest 适用于异常检测的隔离林
isanomaly 使用隔离林查找数据中的异常
fitcsvm 训练支持向量金宝app机分类器用于一类和二值分类
resubPredict 使用训练的分类器对训练数据进行分类
预测 使用支持向量机分类器对观测数据进行分类金宝app
robustcov 稳健的多元协方差和均值估计
泰姬陵 马氏距离参照样本
pdist2 两组观测值之间的成对距离

对象

IsolationForest 隔离林用于异常检测
ClassificationSVM 金宝app支持向量机(SVM)用于一类和二值分类

主题

无监督异常检测

使用隔离森林、一类支持向量机(OCSVM)和马氏距离检测异常。金宝app

使用隔离林进行异常检测

使用隔离林(隔离树的集合)将异常与正常点隔离,从而检测异常。

模型相关的异常检测

在训练分类、回归或聚类模型后,使用特定于模型的异常检测特征检测异常。