5.2 无监督学习方法 (如聚类、降维)

文档摘要

5.2 无监督学习方法 (如聚类、降维) 5.2 无监督学习方法 (如聚类、降维) 在时间序列异常检测中，无监督学习方法因其不需要预先标记的异常数据而备受青睐。它们通过学习数据的内在结构和模式来识别与正常行为显著不同的异常点。本节将深入探讨两种常用的无监督学习方法：聚类和降维，并分析它们在时间序列异常检测中的应用。 5.2.1 聚类方法聚类算法旨在将相似的数据点分组到一起，形成簇。在时间序列异常检测的背景下，正常的观测值倾向于聚集形成较大的簇，而异常值则可能位于簇的边界或形成孤立的小簇。 5.2.1.1 常用聚类算法 K-Means聚类: K-Means 是一种基于距离的划分聚类算法。它试图将 n 个观测值划分为 k 个簇，使得每个观测值都属于离它最近的均值（簇中心）对应的簇。