《表2 NN、KNN和RSC算法对UCI数据集进行异常检测的精度表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于粗糙集分类器的智能KPI异常检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。