文档摘要

5.2 无监督学习方法 本节摘要：无监督学习方法不需要任何标签，通过学习数据的内在结构识别异常。本节展开两条主线：聚类思路（K-Means 的簇心距离、DBSCAN 的噪声点）与降维思路（PCA 的重构误差），并预告自编码器的重构思想。核心逻辑是两种判据——"离群太远"（距离异常）与"重建不上来"（重构异常）。优点是不需要标签、能发现未知异常；代价是没有"标准答案"，参数与结果都需要人工背书。 会员。《5.2 无监督学习方法》收录于灏天文库文集《时间序列异常检测技术》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/490-%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B%E6%8A%80%E6%9C%AF

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流