anomaly-detection

0熱度

1回答

我有來自elasticsearch的公制節拍數據，它具有許多像「CPU空閒百分比」，「CPU使用百分比」等屬性/列。我想預測當我的服務器CPU使用率超出可以說3分鐘90％。有人可以對此有所瞭解嗎？

0熱度

1回答

我正在評估我創建的模型。該模型給出了輸出結果，一個id列表及其核心反應錯誤構造（一個分數），並且id根據這個分數排序。比方說，分數越高，id越可疑。例子： ids: t4, c1, s3, d5, a2, ... score: 18, 15, 13, 5, 2, ... 另外，我有一個包含真正的可疑IDS另一個列表。 suspicious: c1,d5 我的目標是能夠說的id是x％在我

0熱度

1回答

數據傳輸中的異常檢測

我正在研究異常檢測模型，並需要幫助確定數據傳輸中的異常情況。例如：如果員工使用VPN連接，並且，我們有以下的數據使用： EMPID date Bytes_sent Bytes recieved A123 Timestamp 222222 3333333 A123 Timestamp 444444 6666666 A123 Timestamp 99999999 88888888888

-1熱度

1回答

Azure Machin Learing - 如何使用非常有限的數據集進行訓練

我是一名初學者，我需要一些關於如何對以下場景建模的建議我從外部系統平均消耗約5000行數據每天。傳入行的數量在4950到5050之間。我想建立一個警報機制，告訴我傳入的行數是否不正常。即我想要一個解決方案讓我知道，如果我得到的話，在給定日期的2500行，即少於50％，或說15000行超過平均值。樣本數據如下： | Day |傳入數據的大小（以MB爲單位）|行數|標籤| |平日| 3.44 |

2熱度

1回答

使用機器學習創建異常檢測

我對彈性堆棧的新的x-pack ML印象非常深刻。看起來他們的技術能夠隨着時間學習數據模式，並且可以預測多個域的異常情況。放大：我不知道可以用什麼樣的方式和網絡拓撲結構，以創建一個類似的功能。假設由於x-pack適用於時間序列數據，RNN會是一個好的開始嗎？對您的意見和引用感興趣。

0熱度

1回答

異常檢測用機器學習沒有標籤

我的時間一定時間與時間戳跟蹤多個信號和關聯他們像以下： t0 1 10 2 0 1 0 ... t1 1 10 2 0 1 0 ... t2 3 0 9 7 1 1 ... // pressed a button to change the mode t3 3 0 9 7 1 1 ... t4 3 0 8 7 1 1 ... // pressed button to adjust a ce

3熱度

1回答

隔離森林

我目前正在努力查明在我的數據使用Python中IsolationForest方法設置異常，但不完全理解上sklearn的例子： http://scikit-learn.org/stable/auto_examples/ensemble/plot_isolation_forest.html#sphx-glr-auto-examples-ensemble-plot-isolation-forest-p

-1熱度

1回答

sklearn：採用異常檢測隔離森林

我有一個不包含異常訓練數據集： train_vectors.shape (588649, 896) 而且，我有另一組測試向量（test_vectors），以及所有的人都異常值。這是我在做異常檢測嘗試： from sklearn.ensemble import IsolationForest clf = IsolationForest(max_samples=0.01) clf.fit(

2熱度

1回答

使用python進行高維異常檢測

有人可以請我指出Robust-PCA或基於角度異常值檢測（ABOD）等算法的強大python實現嗎？我嘗試了一些Robust-PCA的python實現，但它們的內存密集程度非常高，程序崩潰了。我的數據集是60,000 X 900浮點數。 R有一個ABOD的實現，但我想堅持python。

-3熱度

1回答

Tensorflow異常檢測

我被要求創建一個使用tensorflow和python的機器算法，它可以通過創建一系列'正常'值來檢測異常情況。我有兩個參數，大約1.5的浮點數和時間戳。在基本意義上，我沒有見過使用張量流的類似線程，由於我是技術新手，我正在尋找一個更基本的機器。但是，我希望它是無人監督的，這意味着我沒有指定什麼是異常，而是大量過去的數據。謝謝，我正在運行python 3.5和tensorflow 1.2.1。