# 数据挖掘实战（异常检测）

## 贡献者信息

| 姓名                 | 介绍                                | 个人主页                                  |
| -------------------- | ----------------------------------- | ----------------------------------------- |
| 梁家晖               | 华南理工大学广州学院，Datawhale成员 | https://github.com/leungkafai             |
| 李玲                 | Datawhale成员                       | https://www.zhihu.com/people/liu-yu-18-38 |
| 李芝翔               | 华北电力大学，Datawhale成员         | https://blog.csdn.net/weixin_39940512     |
| 赵可                 | 国家电网，Datawhale成员             |                                           |
| 陈信达【运营，群主】 | 华北电力大学，Datawhale成员         |                                           |



## 基本信息

- 贡献人员：**梁家晖**，李玲，李芝翔，赵可，陈信达
- 学习周期：15天，每天平均花费时间2小时-5小时不等，根据个人学习接受能力强弱有所浮动。
- 学习形式：理论+实践
- 人群定位：熟悉数据挖掘的基本方法，对学习异常检测算法有需求的学员。
- 先修内容：[Python编程语言](https://github.com/datawhalechina/team-learning-program/tree/master/Python-Language)、[编程实践（Numpy）](https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy)、[编程实践（Pandas）](https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToPandas)、[编程实践（数据可视化）](https://github.com/datawhalechina/fantastic-matplotlib)



## 学习目标

理解传统的异常检测方法原理，并具备基本的调用相应python库进行操作的能力。



## 任务安排



### Task00：熟悉规则（1天）

- 组队、修改群昵称
- 熟悉打卡规则。

### Task01：异常检测介绍（2天）

* 了解异常检测基本概念
* 了解异常检测基本方法

### Task02：基于统计学的方法（3天）

* 掌握基于高斯分布的异常检测方法
* 理解非参数异常检测方法
* 掌握HBOS算法

### Task03：线性模型（3天）

* 理解线性回归
* 掌握主成分分析的异常检测方法

### Task04：基于相似度的方法（3天）

* 理解基于距离的异常检测方法
* 掌握基于密度的LOF算法

### Task05：高维异常检测（3天）

* 了解集成方法的思想
* 理解feature bagging原理

* 掌握孤立森林算法




**关于Datawhale**：

>Datawhale是一个专注于数据科学与AI领域的开源组织，汇集了众多领域院校和知名企业的优秀学习者，聚合了一群有开源精神和探索精神的团队成员。Datawhale以“for the learner，和学习者一起成长”为愿景，鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。同时Datawhale 用开源的理念去探索开源内容、开源学习和开源方案，赋能人才培养，助力人才成长，建立起人与人，人与知识，人与企业和人与未来的联结。

​