O'Reilly Media Практическое машинное обучение: новый подход к обнаружению аномалий и его применение в анализе больших данных

Обнаружение аномалий — это детективная работа машинного обучения: нахождение необычного, выявление мошенничества, обнаружение странной активности в больших и сложных наборах данных.

Этот отчет O'Reilly использует практические примеры для объяснения, как работают основные концепции обнаружения аномалий. Обнаружение аномалий имеет множество полезных приложений от банковской безопасности до естественных наук, медицины и маркетинга.

В условиях эры больших данных поиск аномалий будет углубляться с развитием Интернета вещей, который создаст новые типы данных.

Основные идеи, описанные в этом отчете, помогут вам справиться с задачами по обнаружению аномалий в ваших проектах:

• Используйте вероятностные модели для прогнозирования нормальных значений и сравните их с наблюдаемыми данными.
• Установите адаптивный порог для определения данных, выходящих за пределы нормального диапазона, с использованием алгоритма t-диджест.
• Определите нормальные колебания в сложных системах и сигналах (таких как ЭКГ) с помощью более адаптивной вероятностной модели.
• Используйте исторические данные для выявления аномалий в спорадических потоках событий, таких как веб-трафик.
• Научитесь использовать отклонения от ожидаемого поведения для генерации сигналов о мошенничестве.