异常检测在线教程 | 发现离群点

Isolation Forest 通过随机划分特征空间来隔离异常点。异常点更容易被少量划分隔离。适合高维数据集的异常检测。本文用传感器数据演示 Isolation Forest 的应用。

人工智能 Isolation Forest 异常检测离群点

13 0 0

2026-07-08

自动化解析训练日志，检测损失突刺、学习率震荡等异常，辅助调试并生成训练报告。

人工智能日志分析训练异常检测

16 0 0

2026-06-28

学习针对工业表面缺陷的深度异常检测算法，如基于嵌入记忆库的 PatchCore 和概率模型 PaDiM。

人工智能表面缺陷检测算法异常检测

15 0 0

2026-06-25

利用用户操作序列或关系图，通过自编码器、图神经网络等发现异常行为，预防欺诈与盗号。

人工智能用户行为异常检测欺诈

19 0 0

2026-06-23

剖析 GANomaly 架构，利用生成器-判别器间的特征匹配差异在图像级与像素级定位异常，适用于工业缺陷检测等场景。

人工智能 GANomaly 异常检测生成对抗网络

15 0 0

2026-06-14

利用正常数据训练自编码器，通过高重构误差指示异常，涵盖经典 AE、变分 AE 和融合图正则等高级变体在异常检测中的应用。

人工智能自动编码器异常检测重构误差

21 0 0

2026-06-14

学习仅靠正常样本训练的单类 SVM，通过寻找包含大多数数据的最小超球体并引入核技巧，实现对离群点的有效识别。

人工智能单类SVM 异常检测核方法

19 0 0

2026-06-14

理解孤立森林如何利用随机划分树来快速孤立异常点，因其线性复杂度与良好效果成为高维数据异常检测的常用选择。

人工智能孤立森林异常检测无监督

19 0 0

2026-06-14

系统梳理异常检测算法，涵盖统计 3-sigma、LOF、单类 SVM、孤立森林和深度自编码器等方法，及其在欺诈、故障检测中的应用。

人工智能异常检测无监督学习故障检测

19 0 0

2026-06-14

免费编程教程