鲁棒统计规模化异常值评分:提高异常值概率的质量(扩展版)
原文中文,约200字,阅读约需1分钟。发表于: 。本研究解决了现有异常值检测算法在异常值得分比较和解释方面的不足,提出鲁棒统计规模化方法,以提高异常值的概率质量。通过实证评估,结果显示该方法能显著改善不同算法生成的异常值概率,特别是在医疗、金融和工程等领域具有重要意义和潜在影响。
本文介绍了一种名为ECOD的异常检测算法,通过无参估计方法计算数据的尾部概率,进而计算每个数据点的异常得分。实验证明,ECOD在准确性、效率和可扩展性方面优于其他11种现有方法。同时,提供了易于使用、可扩展的Python实现。