通过先前数据拟合网络进行零样本异常检测:模型选择的遗忘!
原文中文,约200字,阅读约需1分钟。发表于: 。本研究针对异常检测中的模型选择瓶颈,提出了FoMo-0D,创新性地绕过了模型选择的难题。该方法利用先前数据拟合网络,能够在推理阶段快速预测测试数据的标签,显著提升了零样本异常检测的效率和应用性。
本文提出了一种简单且有效的异常检测算法 ECOD,通过计算数据的经验累积分布函数估计数据的尾部概率,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种现有的异常检测方法。同时提供易于使用、可扩展的 Python 实现。