《表1 实验数据库：基于集成方法的异常点检测》
提示：宽带有限、当前游客访问压缩模式
实验中使用了UCI的4个机器学习数据库，包括4个数据集Cardio、PageBlock、Wilt和Thyroid。每个数据集包含的样本点数、特征维数、异常点数及比例如表1所示
| 图表编号 | XD00112966400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.25 |
| 作者 | 张志平 |
| 绘制单位 | 深圳志晟天成科技有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 异常行为记录表：融合密度聚类与集成学习的数据库异常检测》2021.03.01
- 《表7 系统检测结果：融合密度聚类与集成学习的数据库异常检测》2021.03.01
- 《表1 MNIST数据集在各种异常检测方法下的实验结果对比（单位：%）》2021.01.15
- 《表1 实验结果：一种基于stacking集成学习的DGA域名检测方法》2020.12.28
- 《表4 基于半监督集成的异常流量检测》2020.11.01
- 《表1 实验分组：基于异常点检测的电能量信息采集与监控系统设计》2020.11.05
- 《表4 实验数据集切分：基于集成学习投票算法的Android恶意应用检测》2020.11.15
- 《表1 实验数据集描述：一种基于加权Jaccard距离的决策树集成选择方法》2020.04.15
- 《表3 基于日志数据的异常检测方法对比分析》2020.07.01
- 《表1 实验数据集信息：多层次序列集成的高维数值型异常检测》2020.06.01
- 《表2 数据集情况：基于主动学习的离群点集成挖掘方法研究》2020.06.15
- 《表1 实验数据统计：基于改进离群算法的多元时间序列异常检测》2020.04.01
- 《表2 实验结果：基于词向量的SVM集成学习社交网络抑郁倾向检测方法》2020.02.10
- 《表1 训练数据：基于词向量的SVM集成学习社交网络抑郁倾向检测方法》2020.02.10
- 《表1 训练数据格式：基于逻辑回归的增量式异常用电行为检测方法》2019.10.18
- 《表2 实验数据集：基于模糊核聚类和主动学习的异常检测方法》2019.10.15
- 《表1 计算机硬件配置：基于深度学习的输变电设备异常发热点红外图片目标检测方法》2019.02.20
- 《表1 实验数据集：基于机器学习的数据库小数据集并行集成方法》2019.06.08
- 《表1 异常数据分析结果：基于Spark和小波分析的水上交通异常数据实时检测方法研究》2019.02.20
- 《表1 基于GPR的异常数据检测方法检测性能》2018.06.01