8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 21.13 руб.

Практическое машинное обучение: новый взгляд на ... [9781491911600]

Цена: 4 924руб.    (¥233)
Артикул: 43850609385

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:澜瑞图书专营店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥334069 573руб.
¥152431 898руб.
¥4569 604руб.
¥881 860руб.

Практическое машинное обучение: новый взгляд на обнаружение аномалий

автор: Тед Даннинг; Эллен Фридман;
ISBN13: 9781491911600
Тип:: Прилив
Дата публикации: 2014-08-22
Издатель: O.'Reilly Media
Количество страниц: 66
Вес / грамм): 99
размер: 152 х 220 х 4 мм
Описание продукта

Finding Data Anomalies You Didn't Know to Look For

Обнаружение аномалий — это детективная работа машинного обучения: обнаружение необычного, обнаружение мошенничества, обнаружение странной активности в больших и сложных наборах данных. Но, в отличие от Шерлока Холмса, вы можете не знать, в чем заключается загадка, не говоря уже о том, в чем состоит загадка."suspects" you're looking for. This O'В отчете Рейли используются практические примеры, объясняющие, как работают основные концепции обнаружения аномалий.

От банковской безопасности до естественных наук, медицины и маркетинга — обнаружение аномалий имеет множество полезных применений в наш век больших данных. А поиск аномалий усилится, когда Интернет вещей создаст еще больше новых типов данных. Концепции, описанные в этом отчете, помогут вам решить проблему обнаружения аномалий в вашем собственном проекте.

  • Используйте вероятностные модели, чтобы предсказать, что'это нормально и контрастирует с тем, что вы наблюдаете
  • Установите адаптивный порог, чтобы определить, какие данные выходят за пределы нормального диапазона, используя алгоритм t-digest.
  • Установите нормальные колебания в сложных системах и сигналах (например, ЭКГ) с помощью более адаптивной вероятностной модели.
  • Используйте исторические данные для обнаружения аномалий в спорадических потоках событий, таких как веб-трафик.
  • Узнайте, как использовать отклонения в ожидаемом поведении для запуска предупреждений о мошенничестве.