《表9 各方法对比结果：大数据下的销售异常发现与定位模型研究》

  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

《大数据下的销售异常发现与定位模型研究》

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

在总样本数和离群率确定的情况下，与ADLM异常判断这一步骤中采取不超过离群率的最大值方法相比，i Forest的原理决定了其每一次检测所得到的离群点个数完全相等且大于等于ADLM异常判断检测出的离群点个数.对企业而言，并不是检测出离群点个数越多越好，其根本需求是找出典型、显著、对经营影响最大的离群点从而采取措施.ADLM相当于只是设定了最高离群率，在最高离群率的保证下检测出相对显著的离群点这一方法较好的解决了这一需求，显然i Forest无法做到.综上在超市相关人员确认下各方法总体准确率对比如表9所示.