Skip to content

Anomaly Detection Service – 参数估计

Anomaly Detection Service 不提供参数估计的有关功能。本部分概述了适用于此任务的合适方法。

手动参数估计

可以以半自动和交互方式估计参数值。Anomaly Detection Service 可以找出与数据和用户想要达到的目标相关的最佳值。

使用大小为 N 的数据集 D 作为输入,并完成以下过程:

  1. 确定 eps_nn
  2. 计算 D 中每个数据点到最近邻居的距离。
  3. 按降序对距离进行排序,并目测选择曲线 eps_nn 中的边缘(参见图 1)。
  4. 确定群集大小 minPts
  5. 对于每个点,计算距离 eps_nn 内可到达的邻居数。
  6. 绘制邻居数的分布并为群集大小选择合适的值,例如最大值(参见图 2)。
  7. 确定距离阈值 eps
  8. 计算每个数据点到最近邻居的距离。
  9. 按降序对距离进行排序,目视选择“断点”eps(参见图 3)。

eps_nn minPts 断点

还有问题?

向社区提问


除非另行声明,该网站内容遵循MindSphere开发许可协议.


Last update: June 26, 2019