admin管理员组文章数量:1609902
推荐开源项目:Outlier Interpretation——超越异常检测的全新解决方案
outlier-interpretation (WWW'21) ATON - an Outlier Interpreation / Outlier explanation method 项目地址: https://gitcode/gh_mirrors/ou/outlier-interpretation
项目介绍
在现代数据分析中,异常检测已经成为一项重要的任务,但单纯的异常检测往往无法满足更深层次的需求——如何解释这些异常?为此,Outlier Interpretation 项目应运而生。该项目基于论文 《超越异常检测:通过注意力引导的三元偏离网络解释异常》(发表于Web Conference 2021),致力于提供一套完整的异常解释方法。
项目技术分析
七种异常解释方法
该项目集成了七种先进的异常解释方法,包括:
- ATON:注意力引导的三元偏离网络
- COIN:上下文异常解释
- SiNNE:高效的外部特征挖掘新方法
- SHAP:统一模型预测解释方法
- LIME:解释任何分类器的预测
- Integrated Gradients:深度网络的公理归因
- Anchor:高精度模型无关解释
这些方法各有千秋,适用于不同的应用场景和需求。
项目结构
data_od_evaluation
:真实数据集的异常解释标注data
:真实数据集(CSV格式,最后一列标记为异常或正常)model_xx
:ATON及其竞争对手的模型文件夹config.py
:配置和默认超参数main.py
:主脚本,用于运行实验
项目及技术应用场景
数据分析与异常检测
在金融、医疗、网络安全等领域,异常检测是不可或缺的一环。通过Outlier Interpretation,不仅可以检测出异常数据,还能深入解释异常的原因,帮助决策者更好地理解和应对。
模型解释与可信度提升
对于机器学习模型,解释其预测结果至关重要。Outlier Interpretation提供的方法能够清晰地解释模型的异常预测,提升模型的可信度和透明度。
研究与教育
该项目也为学术界提供了丰富的资源和实验平台,助力异常解释领域的研究和发展。
项目特点
多样化的解释方法
集成七种不同的异常解释方法,满足多样化的需求。
易用性强
项目结构清晰,使用简单。只需修改main.py
中的参数,即可轻松运行实验。
开源与可扩展
项目完全开源,代码可自由修改和扩展,适合进一步的研究和开发。
丰富的数据资源
提供多个真实数据集及其标注,方便用户进行实验和验证。
社区支持
项目在GitHub上公开,用户可以随时反馈问题和建议,获得社区支持。
使用指南
安装依赖
pip install torch==1.3.0 numpy==1.15.0 pandas==0.25.2 scikit-learn==0.23.1 pyod==0.8.2 tqdm==4.48.2 prettytable==0.7.2 shap==0.35.0 lime==0.2.0.1 alibi==0.5.5
运行实验
ATON及其部分竞争对手
python main.py --path data/ --runs 10
ATON'和COIN'
python main.py --path data/ --w2s_ratio auto --runs 10 # ATON'
python main.py --path data/ --w2s_ratio pn --runs 10 # COIN'
SiNNE和Anchor
python main2.py --path data/ --runs 10
结语
Outlier Interpretation项目为异常检测和解释领域提供了一个强大而全面的工具,无论你是研究人员、开发者还是数据分析师,都能从中受益。立即访问项目GitHub页面,开启你的异常解释之旅吧!
项目GitHub链接
引用示例:
@inproceedings{xu2021aton,
title={超越异常检测:通过注意力引导的三元偏离网络解释异常},
author={徐宏祚 and 王奕杰 and 建宋磊 and 黄振宇 and 王永军 and 刘宁 and 李飞},
booktitle={2021年Web会议论文集 (WWW’21)},
year={2021},
publisher={ACM}
}
outlier-interpretation (WWW'21) ATON - an Outlier Interpreation / Outlier explanation method 项目地址: https://gitcode/gh_mirrors/ou/outlier-interpretation
版权声明:本文标题:推荐开源项目:Outlier Interpretation——超越异常检测的全新解决方案 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://www.elefans.com/dianzi/1728575885a1164463.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论