首页
›
密码学工程与数据安全
›
084-云数据态势管理审计日志巡检
›
《异常检测模型训练与阈值调整经验》
VIP20
本课程属于:084-云数据态势管理审计日志巡检
密码学工程与数据安全 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
异常检测模型训练与阈值调整经验
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
异常检测概述
异常定义 · 应用场景 · 挑战
异常检测概述
异常定义
02
异常检测算法分类
统计 · 距离 · 密度
异常检测算法分类
统计
03
数据预处理
缺失值处理 · 数据标准化 · 降维
数据预处理
缺失值处理
04
特征工程
时域特征 · 频域特征 · 统计特征
特征工程
时域特征
05
标签稀疏问题
无监督 · 半监督 · 自监督方法
标签稀疏问题
无监督
06
训练集与验证集划分
时间序列交叉验证
训练集
验证集划分
07
孤立森林算法原理与实战
孤立森林算法原理与实战 · 核心概念 · 实践要点
孤立森林算法原理
孤立森林算法原理…
08
基于距离的异常检测
LOF · KNN
基于距离的异常检…
LOF
09
基于密度的异常检测
DBSCAN
基于密度的异常检…
DBSCAN
10
单类支持向量机(One-Class SVM)
单类支持向量机(One-Class SV… · 核心概念 · 实践要点
One-Class
SVM
11
自动编码器(Autoencoder)用于异常检测
自动编码器(Autoencoder)用于… · 核心概念 · 实践要点
Autoencoder
自动编码器
12
变分自编码器(VAE)与生成对抗网络
变分自编码器(VAE)与生成对抗网络 · 核心概念 · 实践要点
VAE
变分自编码器
13
时间序列异常检测
滑动窗口 · 季节性分解
时间序列异常检测
滑动窗口
14
基于预测的方法
ARIMA · LSTM预测误差
基于预测的方法
ARIMA
15
特征重要性分析
树模型特征重要性 · SHAP
特征重要性分析
树模型特征重要性
16
模型评估指标
精确率 · 召回率 · F1
模型评估指标
精确率
17
阈值选择策略
固定阈值 · 百分位数法 · 均值方差法
阈值选择策略
固定阈值
18
基于统计的阈值
3σ原则 · 箱线图(IQR)
基于统计的阈值
3σ原则
19
动态阈值
移动平均 · 指数平滑 · EWMA
动态阈值
移动平均
20
基于分数分布的阈值
核密度估计 · KLIEP
基于分数分布的阈…
核密度估计
21
多指标综合阈值
加权评分 · 多维异常分数
多指标综合阈值
加权评分
22
阈值调整经验
业务反馈循环 · 人机协同
阈值调整经验
业务反馈循环
23
验证阈值稳定性
回测 · 压力测试
验证阈值稳定性
回测
24
生产环境部署
模型序列化 · API服务
生产环境部署
模型序列化
25
实时异常检测
流处理框架(Kafka · Flink)
实时异常检测
Kafka
26
监控与模型漂移
数据漂移检测 · 概念漂移
监控
模型漂移
27
可解释异常检测
LIME · SHAP解释异常原因
可解释异常检测
LIME
28
案例
信用卡欺诈检测
案例
信用卡欺诈检测
29
案例
服务器指标异常检测
案例
服务器指标异常检…
30
总结与最佳实践
总结与最佳实践 · 核心概念 · 实践要点
最佳实践
总结与最佳实践
所属VIP或分类
同VIP:Audit-Logging日志采集与格式解析详解
同VIP:DSPM数据发现与分类分级实战指南
同VIP:DSPM数据资产发现与风险看板开发