Differences
This shows you the differences between two versions of the page.
| Both sides previous revisionPrevious revisionNext revision | Previous revision | ||
| time_series:anomaly_detection [2014/12/05 19:41] – phreazer | time_series:anomaly_detection [2014/12/05 20:14] (current) – [Model Based] phreazer | ||
|---|---|---|---|
| Line 30: | Line 30: | ||
| K-NN Algorithmus. | K-NN Algorithmus. | ||
| Outlier Score ist die Distanz eines Punktes zu dessen k-nächsten Nachbarn. | Outlier Score ist die Distanz eines Punktes zu dessen k-nächsten Nachbarn. | ||
| + | |||
| + | ===== Model Based ===== | ||
| + | Lernen eines erzeugenden Models aus den Daten mit mathematischer Struktur und eine Menge von Parametern. Für sequentielle Daten wird typischerweise ein Hidden Markov Model verwendet. | ||
| + | |||
| + | Literaturverweis: | ||
| + | |||
| + | HMM Parameter: $\theta = (N, | ||
| + | * N: Anzahl von Zuständen | ||
| + | * M: Anzahl der Symbole, die durch jeden Zustand generiert werden. | ||
| + | * A: Übergangsmatrix | ||
| + | * $\pi$: Initialzustandswahrscheinlichkeiten | ||
| + | * B: NxM Matrix mit Wahrscheinlichkeit, | ||
| + | |||
| + | Wenn die Parameter eines HMM gelernt wurden, können wichtige Statistiken berechnet werden, wie die Wahrscheinlichkeit eine neue Sequenz beobachten zu können oder die wahrscheinlichste Sequenz. | ||
| + | |||
| + | Probleme von HMMs: | ||
| + | |||
| + | Skalieren nicht gut | ||
| + | Training erfordert manuelle Intervention, | ||