|
Mike_ |
|
|
|
Здравствуйте,
я новичок в машинном обучении, сейчас передо мной стоит задача: исходные данные - набор метрик (время, значение метрики). Алгоритм должен определить, присутствует ли в данных аномалия. Сейчас используется несколько алгоритмов, каждый из которых принимает исходные данные + константные параметры (допустимое отклонение и т.д.). Каждый из алгоритмов выдает 0 или 1 - т. е. это аномалия или нет. Если больше половины алгоритмов определили аномалию - считаем данные аномальными. Это все работает, но теперь необходимо сделать обучение - т. е. на определившейся аномалии пользователь может нажать кнопку "не аномалия" и наоборот - указать, что это аномалия, если аномалия не определилась. Система таким образом должна обучаться и корректировать параметры для алгоритмов.
Подскажите пожалуйста, в сторону какого похода/метода смотреть, что почитать?
Спасибо.
|
|
|
|
 |
|
Mihaylo |
|
|
|
Может перевернуть с головы на ноги? Обучить алгоритм обычным образом, добиться хороших показателей на неаномальных данных. А аномалией считать данные, на которых обученный алгоритм начинает давать плохие показатели?
А вообще классикой здесь является SVM (support vector machine) - метод опорных векторов, который позволит определить границу между аномальными и неаномальными данными.
Что хоть за природа данных?
|
|
|
|
|
|
Pavia |
|
|
Mike_Вместо порога, вам подойдёт любо классификатор с обучением. Читать лекции: Машинное обучение (курс лекций, К.В.Воронцов)
|
|
|
|
|
|
Mike_ |
|
|
|
Спасибо за ответ, буду разбираться. Данные - метрики в виде время => значение метрики
|
|
|
|
|
