VIP20

本课程属于：014-TinyML时序传感器异常检测 工业控制与工业互联网 · 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

TinyML异常检测模型评估指标选择教程

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

学习目标 · 目标学员 · 课程结构

课程导入学习目标

微控制器资源限制 · 典型硬件平台 · 部署流程与挑战

TinyML微控制器资源限制

异常检测基础

异常类型（点异常 · 上下文异常 · 集合异常）

异常检测基础异常类型

异常检测模型概览

统计方法 · 机器学习方法（隔离森林 · One-Class SVM）

异常检测模型概览统计方法

评估指标基础

混淆矩阵 · 准确率 · 精确率

评估指标基础混淆矩阵

不平衡数据问题

异常检测中类别不平衡的影响 · 为什么准确率不可靠 · 如何选择替代指标

不平衡数据问题异常检测

阈值选择与指标关系

决策阈值对精确率/召回率的影响 · ROC曲线与PR曲线的基本概念

阈值选择指标关系

ROC曲线与AUC

ROC曲线绘制方法 · AUC计算 · 在TinyML异常检测中的适用性分析

PR曲线与平均精度

PR曲线特点 · 平均精度（AP）计算 · 适用于极端不平衡场景的原因

F1-score与F-beta

F1-score的局限性 · F-beta分数如何调整精确率与召回… · 在异常检测中的使用

其他重要指标

特异性 · 误报率 · 漏报率

其他重要指标特异性

TinyML特有评估约束

内存 · 计算量 · 功耗对评估指标选择的影响

TinyML特有评估约束

评估流程设计

数据划分（训练/验证/测试） · 时间序列数据的分割策略 · 交叉验证在TinyML中的挑战

评估流程设计数据划分

基准测试方法

如何建立基线模型 · 对比实验设计 · 统计显著性检验（如McNemar检验…

基准测试方法如何建立基线模型

基于自编码器的振动数据异常检测——使… · 召回率 · F1-score评估

案例实战基于自编码器的振…

基于隔离森林的传感器数据异常检测——…

案例实战基于隔离森林的传…

基于LSTM的时间序列异常检测——处…

案例实战LSTM

可穿戴设备心率异常检测——考虑功耗与…

案例实战可穿戴设备心率异…

指标选择决策树

根据业务需求（误报代价 · 漏报代价）选择合适指标的方法

指标选择决策树根据业务需求

多指标综合评估

如何结合多个指标（如F1与MCC）进… · 避免单一指标误导

多指标综合评估F1

可视化评估结果

绘制混淆矩阵 · ROC/PR曲线 · 阈值-指标曲线

可视化评估结果绘制混淆矩阵

常见陷阱与误区

数据泄漏 · 阈值过拟合 · 指标选择不当导致的错误结论

常见陷阱误区

模型压缩与评估

量化 · 剪枝 · 蒸馏对评估指标的影响

模型压缩评估

部署后监控与指标更新

模型漂移 · 数据分布变化 · 如何持续评估并调整指标

部署后监控指标更新

Python中scikit-lear… · TensorFlow Lite Mi… · Edge Impulse等工具在评估…

从数据采集到模型部署的完整流程 · 重点展示评估指标的选择与解释

实战项目从数据采集到模型…

给定多个异常检测模型结果 · 选择合适指标并给出评估报告

综合练习给定多个异常检测…

核心要点回顾 · 指标选择最佳实践 · 常见问题解答

课程总结核心要点回顾

进阶学习路径

推荐书籍 · 论文 · 在线课程

进阶学习路径推荐书籍

综合选择题与案例分析 · 检验学员对评估指标选择的理解与应用能…

结业测试综合选择题