异常检测的N种方法,阿里工程师都盘出来了

  1. 云栖社区>
  2. 博客>
  3. 正文

异常检测的N种方法,阿里工程师都盘出来了

初商南 2019-08-15 23:37:52 浏览337
展开阅读全文

小叽导读:互联网黑产盛行,其作弊手段层出不穷,导致广告效果降低,APP推广成本暴增。精准识别作弊是互联网公司和广告主的殷切期望。今天我们将从时间序列、统计、距离、线性方法、分布、树、图、行为序列、有监督机器学习和深度学习模型等多个角度探讨异常检测。

作者 | 黎伟斌、胡熠、王皓


背景

异常点检测(Outlier detection),又称为离群点检测,是找出与预期对象的行为差异较大的对象的一个检测过程。这些被检测出的对象被称为异常点或者离群点。异常点检测在生产生活中有着广泛应用,比如信用卡反欺诈、工业损毁检测、广告点击反作弊等。

异常点(outlier)是一个数据对象,它明显不同于其他的数据对象。如下图1所示,N1、N2区域内的点是正常数据。而离N1、N2较远的O1、O2、O3区域内的点是异常点。

image.png

图1.异常点示例

异常检测的一大难点是缺少g

网友评论

登录后评论
0/500
评论
初商南
+ 关注