Antecedentes del problema: estoy trabajando en un proyecto que involucra archivos de registro similares a los que se encuentran en el espacio de monitoreo de TI (para mi mejor comprensión del espacio de TI). Estos archivos de registro son datos de series temporales, organizados en cientos / miles...
¿Es necesario estandarizar sus datos antes del clúster? En el ejemplo de scikit learnaproximadamente DBSCAN, aquí hacen esto en la línea: X = StandardScaler().fit_transform(X) Pero no entiendo por qué es necesario. Después de todo, la agrupación no supone una distribución particular de datos: es...
¿Existe un paquete completo de código abierto (preferiblemente en python o R) que pueda usarse para la detección de anomalías en series de tiempo? Hay un paquete SVM de una clase en scikit-learn, pero no es para datos de series temporales. Estoy buscando paquetes más sofisticados que, por ejemplo,...
Tengo un gran conjunto de datos multidimensionales que se genera cada día. ¿Cuál sería un buen enfoque para detectar cualquier tipo de 'anomalía' en comparación con los días anteriores? ¿Es este un problema adecuado que podría abordarse con redes neuronales? Cualquier sugerencia es...
Tengo una gran tabla SQL que es esencialmente un registro. Los datos son bastante complejos y estoy tratando de encontrar alguna forma de identificar anomalías sin que comprenda todos los datos. He encontrado muchas herramientas para la detección de anomalías, pero la mayoría de ellas requieren una...
Tengo dos tensor a:[batch_size, dim] b:[batch_size, dim]. Quiero hacer un producto interno para cada par en el lote, generando c:[batch_size, 1], dónde c[i,0]=a[i,:].T*b[i,:].
He leído la explicación de la convolución y la entiendo hasta cierto punto. ¿Alguien puede ayudarme a entender cómo esta operación se relaciona con la convolución en redes neuronales convolucionales? ¿Es el filtro como una función gque aplica
Actualmente estoy estudiando artículos sobre detección de valores atípicos utilizando RNN (Replicator Neural Networks) y me pregunto cuál es la diferencia particular con los Autoencoders. Los RNN parecen ser tratados por muchos como el santo grial de la detección de valores atípicos / anomalías,...
Me gustaría saber la diferencia en términos de aplicaciones (por ejemplo, ¿cuál es la detección de fraude con tarjeta de crédito?) Y en términos de técnicas utilizadas. Documentos de ejemplo que definen la tarea serían
Estoy tratando de hacer alguna detección de anomalías entre series de tiempo # usando Python y sklearn (¡pero otras sugerencias de paquetes son definitivamente bienvenidas!). Tengo un conjunto de 10 series temporales; cada serie temporal consta de datos recopilados del valor de torque de un...
Tengo un vector y quiero detectar valores atípicos en él. La siguiente figura muestra la distribución del vector. Los puntos rojos son valores atípicos. Los puntos azules son puntos normales. Los puntos amarillos también son normales. Necesito un método de detección de valores atípicos (un...