实战项目:异常检测与多场景应用
Python涨薪研究所
共 513字,需浏览 2分钟
·
2022-06-06 16:30
异常检测概述:
项目介绍:
异常检测是指在数据中发现不符合预期行为模式的数据的问题,在疾病检测、金融反诈、机器故障监控、安全入侵检测、运维监控、电商异常用户检测、疫情检测等场景都有应用
本项目以异常检测为主要内容,讲解在结构化/表格数据和时序数据中的异常检测模型算法及工具,并构建应用于商场销量、金融反诈、网约车需求量、用电量等场景下的异常检测案例
核心知识:
异常检测应用场景;异常检测主要算法,包括PCA、kNN、LOF、HBOS、COPOD、孤立森林(Isolation Forest)、XGBOD、自编码器(AutoEncoder)、基于LSTM等神经网络的时序异常检测,监督学习与无监督学习算法模型;t-sne数据降维可视化;业务场景下的特征抽取、建模与模型部署上线,大公司的智能运维工具与实时监控
项目大纲:
1.异常检测概述
2.异常检测常用方法
3.PyOD工具库详解
4.大型商场销量数据异常检测
5.金融反欺诈场景中的异常检测-监督学习
6.金融反欺诈场景中的异常检测-无监督学习
7.模型部署上线
8.时序数据与异常检测
9.大公司智能时间序列监控与异常检测工具介绍
添加老师学习完整项目
评论