isanomaly

创建一个OneClassSVM未被污染的培训对象观察使用ocsvm函数。然后检测小礼品(新数据异常)通过对象和新的数据对象的功能isanomaly。

1994年的人口普查数据加载存储census1994.mat。数据集由人口数据来自美国人口普查局预测一个人是否使每年超过50000美元。

负载census1994

census1994包含了训练数据集adultdata和测试数据集成人。

ocsvm不使用观察用缺失值。删除缺失值的数据集,以减少内存消耗,加快培训。

adultdata = rmmissing (adultdata);成人= rmmissing(成人);

支持向量机训练看到下面成了adultdata。假设adultdata不包含异常值。指定StandardizeData作为真正的标准化的输入数据,并设置KernelScale来“汽车”让函数选择适当的内核使用启发式程序尺度参数。

rng (“默认”)%的再现性(Mdl ~ s) = ocsvm (adultdata StandardizeData = true, KernelScale =“汽车”);

Mdl是一个OneClassSVM对象。如果你不指定ContaminationFraction名称参数值大于0,ocsvm把所有训练观察正常观测。这个函数设置分数阈值最大的分数值。显示阈值。

Mdl.ScoreThreshold

ans = 0.0322

发现异常成人通过训练看到下面成了一个支持向量机模型。因为你指定的StandardizeData = true当你训练模型,isanomaly函数标准化输入数据通过使用预测手段和训练数据存储在的标准差μ和σ属性,分别。

[tf_test, s_test] = isanomaly (Mdl,成人);

的isanomaly函数的作用是:返回异常指标tf_test和分数s_test为成人。默认情况下,isanomaly确定观测分数高于阈值(Mdl.ScoreThreshold)异常。

创建直方图异常分数年代和s_test。创建一个垂直线阈值的异常分数。

h1 =直方图(年代,NumBins = 50,标准化=“概率”);持有在h2 =直方图(s_test h1.BinEdges正常化=“概率”);参照线(Mdl.ScoreThreshold“r -”,加入([“阈值”h1.Parent Mdl.ScoreThreshold]))。YScale =“日志”;h2.Parent。YScale =“日志”;传奇(“训练数据”,“测试数据”位置=“北”)举行从

显示异常的观测指标的测试数据。

找到(tf_test)

ans = 0 x1空双列向量

的异常分数分布测试数据与训练数据,isanomaly没有发现任何异常的测试数据默认阈值。您可以指定一个不同的阈值使用ScoreThreshold名称-值参数。例如,看到的指定异常分数阈值。

指定的阈值异常分数通过使用ScoreThreshold名称-值参数isanomaly。

1994年的人口普查数据加载存储census1994.mat。数据集由人口数据来自美国人口普查局预测一个人是否使每年超过50000美元。

负载census1994

census1994包含了训练数据集adultdata和测试数据集成人。

ocsvm不使用观察用缺失值。删除缺失值的数据集,以减少内存消耗,加快培训。

adultdata = rmmissing (adultdata);成人= rmmissing(成人);

火车看到下面成了一个支持向量机模型adultdata。指定StandardizeData作为真正的标准化的输入数据,并设置KernelScale来“汽车”让函数选择适当的内核使用启发式程序尺度参数。

rng (“默认”)%的再现性(Mdl ~,分数)= ocsvm (adultdata,…StandardizeData = true, KernelScale =“汽车”);

画一个柱状图的分数值。在默认的分数阈值创建一条垂直线。

h =直方图(分数,NumBins = 50,标准化=“概率”);h.Parent。YScale =“日志”;参照线(Mdl.ScoreThreshold“r -”,加入([“阈值”Mdl.ScoreThreshold]))

发现异常的测试数据使用SVM训练看到下面成了一个模型。使用不同的阈值从默认阈值训练模型时获得的。

首先,确定分数阈值使用isoutlier函数。

[~,~,U] = isoutlier(分数)

U = -0.5342

指定的值ScoreThreshold名称-值参数为U。因为你指定的StandardizeData作为真正的当你训练Mdl,isanomaly功能标准化新输入数据使用中存储的均值和标准差Mdl.Mu和Mdl.Sigma,分别。

[tf_test, scores_test] = isanomaly (Mdl、成人ScoreThreshold = U);h =直方图(scores_test NumBins = 50,标准化=“概率”);h.Parent。YScale =“日志”;参照线(U,“r -”,加入([“阈值”U]))