《表2 NN、KNN和RSC算法对UCI数据集进行异常检测的精度表》
通常,在KPI异常检测的算法验证中,我们会利用采集到的海量日志数据进行人为标注,即将正常数据与异常数据进行标记,详细步骤见图2。鉴于商业数据的保密性,且为了能够充分验证本文提出的方法的有效性,我们以UCI公开数据集中的三组分类数据为参考,模拟运维系统中的异常检测。具体实验设计原则如下:如果数据集为二分类,则一类为正常样本,一类为异常样本;如果数据集为多分类,则一类为正常样本,其他类为异常样本,从而验证本文方法的有效性。通过对比实验表2可以发现,本文提出的方法与经典的神经网络NN算法、K最近邻(KNN)能更有效对样本进行分类。
图表编号 | XD00141518100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 赵诚雅、吴倩、叶立武、王玮 |
绘制单位 | 中国人寿保险股份有限公司上海数据中心、中国人寿保险股份有限公司上海数据中心、中国人寿保险股份有限公司上海数据中心、中国人寿保险股份有限公司上海数据中心 |
更多格式 | 高清、无水印(增值服务) |