Python中怎么实现异常检测

Python中怎么实现异常检测,针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

10余年的北塔网站建设经验,针对设计、前端、开发、售后、文案、推广等六对一服务,响应快,48小时及时工作处理。全网营销推广的优势是能够根据用户设备显示端的尺寸不同,自动调整北塔建站的显示方式,使网站能够适用不同显示终端,在浏览器中调整网站的宽度,无论在任何一种浏览器上浏览网站,都能展现优雅布局与设计,从而大程度地提升浏览体验。创新互联从事“北塔网站设计”,“北塔网站推广”以来,每个客户项目都认真落实执行。

公式和过程

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

如果一个训练实例的概率很高,这是正常的。如果某个训练实例的概率很低,那就是一个异常的例子。对于不同的训练集,高概率和低概率的定义是不同的。我们以后再讨论。

如果我要解释异常检测的工作过程,这很简单。

1. 使用以下公式计算平均值:

Python中怎么实现异常检测

这里m是数据集的长度或训练数据的数量,而$x^i$是一个单独的训练例子。如果你有多个训练特征,大多数情况下都需要计算每个特征能的平均值。

2. 使用以下公式计算方差:

Python中怎么实现异常检测

这里,mu是上一步计算的平均值。

3. 现在,用这个概率公式计算每个训练例子的概率。

Python中怎么实现异常检测

不要被这个公式中的求和符号弄糊涂了!这实际上是Sigma代表方差。

稍后我们将实现该算法时,你将看到它的样子。

4.我们现在需要找到概率的临界值。正如我前面提到的,如果一个训练例子的概率很低,那就是一个异常的例子。

低概率有多大?

这没有普遍的限制。我们需要为我们的训练数据集找出这个。

我们从步骤3中得到的输出中获取一系列概率值。对于每个概率,通过阈值的设置得到数据是否异常

然后计算一系列概率的精确度、召回率和f1分数。

精度可使用以下公式计算

Python中怎么实现异常检测

召回率的计算公式如下:

Python中怎么实现异常检测

在这里,True positives(真正例)是指算法检测到一个异常的例子的数量,而它真实情况也是一个异常。

False Positives(假正例)当算法检测到一个异常的例子,但在实际情况中,它不是异常的,就会出现误报。

False Negative(假反例)是指算法检测到的一个例子不是异常的,但实际上它是一个异常的例子。

从上面的公式你可以看出,更高的精确度和更高的召回率总是好的,因为这意味着我们有更多的真正的正例。但同时,假正例和假反例起着至关重要的作用,正如你在公式中看到的那样。这需要一个平衡点。根据你的行业,你需要决定哪一个对你来说是可以忍受的。

一个好办法是取平均数。计算平均值有一个独特的公式。这就是f1分数。f1得分公式为:

Python中怎么实现异常检测

这里,P和R分别表示精确性和召回率。

根据f1分数,你需要选择你的阈值概率。

异常检测算法

我将使用Andrew Ng的机器学习课程的数据集,它具有两个训练特征。我没有在本文中使用真实的数据集,因为这个数据集非常适合学习。它只有两个特征。在任何真实的数据集中,都不可能只有两个特征。

首先,导入必要的包

import pandas as pd  import numpy as np

导入数据集。这是一个excel数据集。在这里,训练数据和交叉验证数据存储在单独的表中。所以,让我们把训练数据带来。

df = pd.read_excel('ex8data1.xlsx', sheet_name='X', header=None) df.head()

Python中怎么实现异常检测

让我们将第0列与第1列进行比较。

plt.figure() plt.scatter(df[0], df[1]) plt.show()

Python中怎么实现异常检测

你可能通过看这张图知道哪些数据是异常的。

检查此数据集中有多少个训练示例:

m = len(df)

计算每个特征的平均值。这里我们只有两个特征:0和1。

s = np.sum(df, axis=0) mu = s/m mu

输出:

0    14.112226 1    14.997711 dtype: float64

根据上面“公式和过程”部分中描述的公式,让我们计算方差:

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

输出:

0    1.832631 1    1.709745 dtype: float64

现在把它做成对角线形状。正如我在概率公式后面的“公式和过程”一节中所解释的,求和符号实际上是方差

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

Python中怎么实现异常检测

训练部分已经完成。

下一步是找出阈值概率。如果概率低于阈值概率,则示例数据为异常数据。但我们需要为我们的特殊情况找出那个阈值。

对于这一步,我们使用交叉验证数据和标签。

对于你的案例,你只需保留一部分原始数据以进行交叉验证。

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()

Python中怎么实现异常检测

标签如下:

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

Python中怎么实现异常检测

我将把'cvy'转换成NumPy数组,因为我喜欢使用数组。不过,数据帧也不错。

y = np.array(cvy)

输出:

# 数组的一部分 array([[0],        [0],        [0],        [0],        [0],        [0],        [0],        [0],        [0],

这里,y值0表示这是一个正常的例子,y值1表示这是一个异常的例子。

现在,如何选择一个阈值?

我不想只检查概率表中的所有概率。这可能是不必要的。让我们再检查一下概率值。

p.describe()

输出:

count    3.070000e+02 mean     5.905331e-02 std      2.324461e-02 min      1.181209e-23 25%      4.361075e-02 50%      6.510144e-02 75%      7.849532e-02 max      8.986095e-02 dtype: float64

如图所示,我们没有太多异常数据。所以,如果我们从75%的值开始,这应该是好的。但为了安全起见,我会从平均值开始。

因此,我们将从平均值和更低的概率范围。我们将检查这个范围内每个概率的f1分数。

首先,定义一个函数来计算真正例、假正例和假反例:

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

列出低于或等于平均概率的概率。

eps = [i for i in p if i <= p.mean()]

检查一下列表的长度

len(eps)

输出:

133

根据前面讨论的公式定义一个计算f1分数的函数:

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

所有函数都准备好了!

现在计算所有epsilon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分数表的一部分。长度应该是133。

f分数通常在0到1之间,其中f1得分越高越好。所以,我们需要从刚才计算的f分数列表中取f的最高分数。

现在,使用“argmax”函数来确定f分数值最大值的索引。

np.array(f).argmax()

输出:

131

现在用这个索引来得到阈值概率。

e = eps[131] e

输出:

6.107184445968581e-05

找出异常实例

我们有临界概率。我们可以从中找出我们训练数据的标签。

如果概率值小于或等于该阈值,则数据为异常数据,否则为正常数据。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标签:

df['label'] = np.array(label) df.head()

Python中怎么实现异常检测

我在标签为1的地方用红色绘制数据,在标签为0的地方用黑色绘制。以下是结果。

Python中怎么实现异常检测

关于Python中怎么实现异常检测问题的解答就分享到这里了,希望以上内容可以对大家有一定的帮助,如果你还有很多疑惑没有解开,可以关注创新互联行业资讯频道了解更多相关知识。


标题名称:Python中怎么实现异常检测
URL链接:http://myzitong.com/article/pdesis.html