2016年9月18日
spark-机器学习实践-K近邻应用实践一
摘要： K近邻应用-异常检测应用 原理： 根据数据样本进行KMeans机器学习模型的建立，获取簇心点，以簇为单位，离簇心最远的第五个点的距离为阈值，大于这个值的为异常点，即获得数据异常。 如图： 数据样本： 数据样本的数据格式为：标号，特征值1，特征值2（没有具体含义，自动生成的数据只为能够简单的说明异常检 阅读全文
posted @ 2016-09-18 21:57 舆 阅读(1198) 评论(0) 推荐(0) 编辑
spark-机器学习实践-K近邻应用实践一
摘要： K近邻应用-异常检测应用 原理： 根据数据样本进行KMeans机器学习模型的建立，获取簇心点，以簇为单位，离簇心最远的第五个点的距离为阈值，大于这个值的为异常点，即获得数据异常。 如图： 数据样本： 数据样本的数据格式为：标号，特征值1，特征值2（没有具体含义，自动生成的数据只为能够简单的说明异常检 阅读全文
posted @ 2016-09-18 15:45 舆 阅读(161) 评论(0) 推荐(0) 编辑