怎么用Python中从头开始的实现完整的异常检测算法

这篇文章主要介绍“怎么用Python中从头开始的实现完整的异常检测算法”,在日常操作中,相信很多人在怎么用Python中从头开始的实现完整的异常检测算法问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”怎么用Python中从头开始的实现完整的异常检测算法”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!

成都网站建设、网站建设介绍好的网站是理念、设计和技术的结合。创新互联拥有的网站设计理念、多方位的设计风格、经验丰富的设计团队。提供PC端+手机端网站建设,用营销思维进行网站设计、采用先进技术开源代码、注重用户体验与SEO基础,将技术与创意整合到网站之中,以契合客户的方式做到创意性的视觉化效果。

利用概率的异常检测算法

异常检测可以作为离群分析的统计任务来对待。 但是,如果我们开发一个机器学习模型,它可以自动化,并且像往常一样可以节省大量时间。 有很多异常检测用例。  信用卡欺诈检测,故障机器检测或基于其异常功能的硬件系统检测,基于病历的疾病检测都是很好的例子。 还有更多用例。 并且异常检测的使用只会增加。

公式和过程

与我之前解释的其他机器学习算法相比,这将简单得多。 该算法将使用均值和方差来计算每个训练数据的概率。

如果一个训练示例的概率很高,那是正常的。 如果某个训练示例的概率较低,则为异常示例。 对于不同的训练集,高概率和低概率的定义将有所不同。  稍后我们将讨论如何确定。

如果我必须解释异常检测的工作过程,那非常简单。

(1) 使用以下公式计算平均值:

怎么用Python中从头开始的实现完整的异常检测算法

这里m是数据集的长度或训练数据的数量,xi是一个训练示例。 如果您拥有多个训练功能,那么大多数时候您将需要为每个功能计算平均值。

(2) 使用以下公式计算方差:

怎么用Python中从头开始的实现完整的异常检测算法

此处,mu是从上一步计算得出的平均值。

(3) 现在,使用此概率公式计算每个训练示例的概率。

怎么用Python中从头开始的实现完整的异常检测算法

不要为这个公式中的加号感到困惑! 这实际上是对角线形状的变化。

稍后我们将实现算法时,您将看到它的外观。

(4) 我们现在需要找到概率的阈值。 正如我之前提到的,如果训练示例的概率较低,那么这就是一个异常示例。

低概率是多少概率?

没有通用的限制。 我们需要为我们的训练数据集找到答案。

我们从步骤3中获得的输出中获取一系列概率值。对于每种概率,如果数据是异常或正常的,请找到标签。

然后计算一系列概率的精度,召回率和f1分数。

可以使用以下公式计算精度

怎么用Python中从头开始的实现完整的异常检测算法

召回率可以通过以下公式计算:

怎么用Python中从头开始的实现完整的异常检测算法

在此,"正肯定"是指算法将示例检测为异常并且实际上是异常的情况下的数量。

当算法将示例检测为异常时会出现误报,但事实并非如此。

False Negative表示算法检测到的示例不是异常示例,但实际上,这是一个异常示例。

从上面的公式中,您可以看到更高的精度和更高的召回率总会很好,因为这意味着我们拥有更多的积极优势。  但是同时,如您在公式中所看到的,误报和误报也起着至关重要的作用。 那里需要保持平衡。 根据您所在的行业,您需要确定哪个是您可以容忍的。

一个好的方法是取平均值。 有一个求平均值的独特公式。 这就是f1分数。 f1得分的公式是:

怎么用Python中从头开始的实现完整的异常检测算法

这里,P和R分别是精度和召回率。

我不会详细说明为什么公式如此独特。 因为本文是关于异常检测的。  如果您有兴趣了解有关精度,召回率和f1得分的更多信息,请在此处查看有关该主题的详细文章:

完全了解精度,召回率和F分数概念

如何处理机器学习中偏斜的数据集

根据f1分数,您需要选择阈值概率。

1是完美的f得分,0是最差的概率得分。

异常检测算法

我将使用Andrew Ng的机器学习课程中的数据集,该数据集具有两个训练功能。 我没有使用本文的真实数据集,因为该数据集非常适合学习。 它只有两个功能。  在任何现实世界的数据集中,不可能只有两个功能。

开始任务吧!

首先,导入必要的软件包

import pandas as pd import numpy as np

导入数据集。 这是一个excel数据集。 此处,训练数据和交叉验证数据存储在单独的表格中。 因此,让我们带来培训数据。

df = pd.read_excel('ex8data1.xlsx', sheet_name='X', header=None) df.head()
怎么用Python中从头开始的实现完整的异常检测算法

让我们针对第1列绘制第0列。

plt.figure() plt.scatter(df[0], df[1]) plt.show()
怎么用Python中从头开始的实现完整的异常检测算法

通过查看此图,您可能知道哪些数据是异常的。

检查此数据集中有多少训练示例:

m = len(df)

计算每个特征的平均值。 这里我们只有两个功能:0和1。

s = np.sum(df, axis=0) mu = s/mmu

输出:

0 14.1122261 14.997711 dtype: float64

根据上面"公式和过程"部分所述的公式,计算出方差:

vr = np.sum((df - mu)**2, axis=0) variance = vr/mvariance

输出:

0 1.8326311 1.709745 dtype: float64

现在使其成为对角线形状。 正如我在概率公式后面的"公式和过程"部分所解释的那样,求和符号实际上是方差的对角线。

var_dia = np.diag(variance) var_dia

输出:

array([[1.83263141, 0. ], [0. , 1.70974533]])

计算概率:

k = len(mu) X = df - mu p = 1/((2*np.pi)**(k/2)*(np.linalg.det(var_dia)**0.5))* np.exp(-0.5* np.sum(X @ np.linalg.pinv(var_dia) * X,axis=1)) p
怎么用Python中从头开始的实现完整的异常检测算法

训练部分完成。

下一步是找出阈值概率。 如果该概率低于阈值概率,则示例数据为异常数据。 但是我们需要为我们的特殊情况找出该阈值。

在此步骤中,我们使用交叉验证数据以及标签。 在此数据集中,我们具有交叉验证数据以及单独的工作表中的标签。

对于您的情况,您只需保留原始数据的一部分以进行交叉验证。

现在导入交叉验证数据和标签:

cvx = pd.read_excel('ex8data1.xlsx', sheet_name='Xval', header=None) cvx.head()
怎么用Python中从头开始的实现完整的异常检测算法

标签是:

cvy = pd.read_excel('ex8data1.xlsx', sheet_name='y', header=None) cvy.head()

怎么用Python中从头开始的实现完整的异常检测算法

我将" cvy"转换为NumPy数组只是因为我喜欢使用数组。 DataFrames也很好。

y = np.array(cvy)

输出:

#Part of the array array([[0], [0], [0], [0], [0], [0], [0], [0], [0],

在这里," y"的值为0表示这是一个正常的例子,而y的值为1则表示这是一个异常的例子。

现在,如何选择阈值?

我不想只是从概率列表中检查所有概率。 那可能是不必要的。 让我们再检查几率值。

p.describe()

输出:

count 3.070000e+02 mean 5.905331e-02 std 2.324461e-02 min 1.181209e-2325% 4.361075e-0250% 6.510144e-0275% 7.849532e-02 max 8.986095e-02 dtype: float64

如您在图片中看到的,我们没有太多异常数据。 因此,如果我们仅从75%的值开始,那应该很好。 但是为了更加安全,我将从平均值开始。

因此,我们将从平均值到较低范围取一系列概率。 我们将检查该范围内每个概率的f1分数。

首先,定义一个函数来计算真实肯定,错误肯定和错误否定:

def tpfpfn(ep):  tp, fp, fn = 0, 0, 0  for i in range(len(y)):    if p[i] <= ep and y[i][0] == 1:     tp += 1    elif p[i] <= ep and y[i][0] == 0:     fp += 1    elif p[i] > ep and y[i][0] == 1:     fn += 1  return tp, fp, fn

列出小于或等于平均概率的概率。

eps = [i for i in p if i <= p.mean()]

检查清单的长度,

len(eps)

输出:

133

根据我们之前讨论的公式,定义一个函数来计算f1分数:

def f1(ep):  tp, fp, fn = tpfpfn(ep)  prec = tp/(tp + fp)  rec = tp/(tp + fn)  f1 = 2*prec*rec/(prec + rec)  return f1

所有功能都准备就绪!

现在计算所有ε或我们之前选择的概率值范围的f1分数。

f = [] for i in eps: f.append(f1(i)) f

输出:

[0.14285714285714285, 0.14035087719298248, 0.1927710843373494, 0.1568627450980392, 0.208955223880597, 0.41379310344827586, 0.15517241379310345, 0.28571428571428575, 0.19444444444444445, 0.5217391304347826, 0.19718309859154928, 0.19753086419753085, 0.29268292682926833, 0.14545454545454545,

这是f得分列表的一部分。 长度应为133。

f分数通常介于0和1之间,其中1是完美的f分数。 f1分数越高越好。 因此,我们需要从刚刚计算出的" f"分数列表中获得最高的f分数。

现在,使用" argmax"函数确定最大f得分值的索引。

np.array(f).argmax()

输出:

131

现在使用该索引来获取阈值概率。

e = eps[131] e

输出:

6.107184445968581e-05

找出异常的例子

我们有阈值概率。 我们可以从中找出训练数据的标签。

如果概率值小于或等于该阈值,则数据为异常,否则为正常。 我们将正常数据和异常数据分别表示为0和1,

label = [] for i in range(len(df)): if p[i] <= e: label.append(1) else: label.append(0)  label

输出:

[0, 0, 0, 0, 0, 0, 0, 0, 0, 0,

这是标签列表的一部分。

我将在上面的训练数据集中添加此计算出的标签:

df['label'] = np.array(label) df.head()
怎么用Python中从头开始的实现完整的异常检测算法

我绘制了红色标签为1以及黑色标签为零的数据。 这是情节。

怎么用Python中从头开始的实现完整的异常检测算法

是否有意义?

是吗? 红色的数据显然是异常的。

到此,关于“怎么用Python中从头开始的实现完整的异常检测算法”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注创新互联网站,小编会继续努力为大家带来更多实用的文章!


分享标题:怎么用Python中从头开始的实现完整的异常检测算法
链接URL:http://pwwzsj.com/article/jojoed.html