【技术实现步骤摘要】
一种异常数据的检测方法及装置
本申请涉及数据处理
,具体涉及一种异常数据的检测方法及装置。
技术介绍
在数据挖掘中,通常首先需要进行数据清洗,剔除数据中的无效数据以及异常数据,之后再对数据进行相应处理。在现有技术中,存在多种异常数据的检测方法,其中LOF(LocalOutlierFactor,局部异常因子)算法,是基于密度的异常数据检测方法中一个比较有代表性的算法。该算法会针对数据集中的每个数据计算一个局部异常因子LOF,来反映一个数据的异常程度。LOF值的含义是一个数据点周围数据点所处位置的数据点平均密度与该数据点所处位置的数据点平均密度之比。通过判断LOF是否接近于1来判定该数据是否是异常数据,若LOF远大于1,则认为该数据是异常数据,若LOF接近于1,则认为该数据为正常数据。但是,LOF算法中需要计算所有数据的LOF值后,才能确定出异常数据,该过程计算量巨大。
技术实现思路
有鉴于此,本申请实施例提供一种异常数据的检测方法及装置,以解决现有技术中通过LOF算法进行异常数据检测计算量巨大的技术问题。为解决上述问题,本申请实施例提供的技术方案如下:一种异常数据的检测方法,所述方法包括:获取数据集合,所述数据集合中包括至少一条实例数据,每条所述实例数据对应有相同的至少一个特征,每条所述实例数据包括每个特征的原始特征值;对每个特征的原始特征值进行标准化,获得每个特征的特征值;计算每个特征的特征值的平均值以及每个特征的特征值的标准差;根据目标实例数据对应的第f个特征的特征值,所述第f个特征的特征值的平均值以及所述第f个特征的特征值的标准差,确定所述目标实例数 ...
【技术保护点】
1.一种异常数据的检测方法,其特征在于,所述方法包括:获取数据集合,所述数据集合中包括至少一条实例数据,每条所述实例数据对应有相同的至少一个特征,每条所述实例数据包括每个特征的原始特征值;对每个特征的原始特征值进行标准化,获得每个特征的特征值;计算每个特征的特征值的平均值以及每个特征的特征值的标准差;根据目标实例数据对应的第f个特征的特征值,所述第f个特征的特征值的平均值以及所述第f个特征的特征值的标准差,确定所述目标实例数据是否为可疑数据,所述目标实例数据为任一条所述实例数据,f的取值为1至n中的每一个整数,n为特征的总数量;当确定所述目标实例数据为可疑数据,计算所述可疑数据的局部异常因子,根据所述可疑数据的局部异常因子,在所述可疑数据中确定异常数据。
【技术特征摘要】
1.一种异常数据的检测方法,其特征在于,所述方法包括:获取数据集合,所述数据集合中包括至少一条实例数据,每条所述实例数据对应有相同的至少一个特征,每条所述实例数据包括每个特征的原始特征值;对每个特征的原始特征值进行标准化,获得每个特征的特征值;计算每个特征的特征值的平均值以及每个特征的特征值的标准差;根据目标实例数据对应的第f个特征的特征值,所述第f个特征的特征值的平均值以及所述第f个特征的特征值的标准差,确定所述目标实例数据是否为可疑数据,所述目标实例数据为任一条所述实例数据,f的取值为1至n中的每一个整数,n为特征的总数量;当确定所述目标实例数据为可疑数据,计算所述可疑数据的局部异常因子,根据所述可疑数据的局部异常因子,在所述可疑数据中确定异常数据。2.根据权利要求1所述的方法,其特征在于,所述根据目标实例数据对应的第f个特征的特征值,所述第f个特征的特征值的平均值以及所述第f个特征的特征值的标准差,确定所述目标实例数据是否为可疑数据,包括:计算目标实例数据对应的第f个特征的特征值与所述第f个特征的特征值的平均值之差,得到所述目标实例数据的第f个特征的偏差值;计算所述目标实例数据的第f个特征的偏差值的绝对值与所述第f个特征的特征值的标准差之比,得到所述目标实例数据的第f个特征的评价值;取所述目标实例数据的各个特征的评价值的最大值,如果所述最大值大于第一阈值,确定所述目标实例数据为可疑数据,如果所述最大值小于或等于所述第一阈值,确定所述目标实例数据不是可疑数据。3.根据权利要求1所述的方法,其特征在于,所述根据目标实例数据对应的第f个特征的特征值,所述第f个特征的特征值的平均值以及所述第f个特征的特征值的标准差,确定所述目标实例数据是否为可疑数据,包括:计算目标实例数据对应的第f个特征的特征值与所述第f个特征的特征值的平均值之差,得到所述目标实例数据的第f个特征的偏差值;将所述目标实例数据的各个特征的偏差值的绝对值进行求和,得到所述目标实例数据的第一求和结果;将所述目标实例数据对应的第f个特征的特征值的标准差乘以第二阈值,得到所述目标实例数据的第f个特征的多倍标准差;将所述目标实例数据的各个特征的多倍标准差进行求和,得到所述目标实例数据的第二求和结果;如果所述目标实例数据的第一求和结果大于所述目标实例数据的第二求和结果,确定所述目标实例数据为可疑数据,如果所述目标实例数据的第一求和结果小于或等于所述目标实例数据的第二求和结果,确定所述目标实例数据不是可疑数据。4.根据权利要求1所述的方法,其特征在于,所述根据目标实例数据对应的第f个特征的特征值,所述第f个特征的特征值的平均值以及所述第f个特征的特征值的标准差,确定所述目标实例数据是否为可疑数据,包括:计算目标实例数据对应的第f个特征的特征值与所述第f个特征的特征值的平均值之差,得到所述目标实例数据的第f个特征的偏差值;将所述目标实例数据的第f个特征的偏差值与所述第f个特征的权重值相乘,得到所述目标实例数据的第f个特征的加权偏差值;将所述目标...
【专利技术属性】
技术研发人员:高睿,张雷,
申请(专利权)人:东软集团股份有限公司,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。