数据挖掘（异常检测）
贡献者信息
| 姓名 | 介绍 | 个人主页 |
|---|---|---|
| 梁家晖 | 广州城市理工学院，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 | |
| 林星良【领航员】 | Datawhale成员，华南理工大学 | https://github.com/Aliang-CN |
基本信息
- 贡献人员：梁家晖，李玲，李芝翔，赵可，陈信达，林星良
- 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
- 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：具备数理统计与概率论基础即可。
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：集成方法（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。