《表1 3种无监督方法的预测效果》

  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

《基于孤立森林采样策略的企业异常用水模式检测》

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

计算样本“代表性”的方法有多种，常用的无监督方法有iForest、HBOS和LOF，LOF的特点是根据样本局部的密度来计算样本的得分，但是忽略样本领域外的样本对其产生的影响，HBOS假设每个特征独立，将每个特征以直方图的形式离散化，然后计算特征在离散区间上频率的乘积作为样本的得分，该方法简单、快速，但是前提假设较强，当特征之间相关性较强时效果会受到影响，iForest通过样本被“孤立”的程度作为样本的得分，并且建立多颗相互独立的子树，综合考虑多颗子树的得分。本文分别测试该3种方法在该数据集的表现，如表1所示，综合比较3种方法预测的AUC和查全率，选择效果较好的iForest作为计算样本“代表性”的方法。