异常成分分析
原文中文，约300字，阅读约需1分钟。发表于：。利用数据深度作为评分的一种新的统计工具，名为异常分量分析 (ACA)，用于探索性分析异常观测。ACA 不仅可以更好地区分异常群组，而且还能为异常提供可解释性的线性低维数据表示。在比较模拟和真实数据研究中，ACA 相对于现有文献中的方法在异常分析方面也表现出优势。
通过优化传统技术，我们改进了无监督主成分分析（PCA）技术，解决了训练数据中未知日志事件的问题，并提高了日志表示的效果。研究比较了七种基于日志的异常检测方法，结果显示优化的无监督PCA技术在有限的训练数据和资源效率方面与先进的监督/半监督DL方法相似。证明了传统技术通过小而重要的改进具有的适应性和优势。
