0
我正在使用貝葉斯網絡研究多變量時間序列數據中的異常檢測問題。使用貝葉斯網絡的異常檢測
我很困惑這是一個很好的方法來使用動態貝葉斯網絡模型進行異常檢測嗎?由於使用貝葉斯方法,人們只能計算訓練數據中數據相似度的發生概率。
是否有任何其他方法來解決使用其他異常值得分方法相同?
我正在使用貝葉斯網絡研究多變量時間序列數據中的異常檢測問題。使用貝葉斯網絡的異常檢測
我很困惑這是一個很好的方法來使用動態貝葉斯網絡模型進行異常檢測嗎?由於使用貝葉斯方法,人們只能計算訓練數據中數據相似度的發生概率。
是否有任何其他方法來解決使用其他異常值得分方法相同?
「類似的培訓數據」將被視爲「正常」,那麼,
1 - (上訓練的數據數據的相似性出現的概率)
將是你異常分數/概率 。使用簡單的異常分數計算設計,您可以使用許多不同的方法進行異常檢測。的uni-variable time series anomaly detection
可能更適合[計算機科學]
例子(https://cs.stackexchange.com/)? – glibdud