data2 [Outlier Detection in High-Dimensional Data] (OUTRES) Statistical Selection of Relevant Subspace Projections for Outlier Ranking Paper ieeexplore.ieee.org/abstract/document/5767916?casa_token=GOPwF1ieLbcAAAAA:d8Tm9ZFsIugvR5LDZajFhwAVKbZkdkOu2HSXY2Gxhu6JGB_5PTYhTwUF3QaLQD5PfFfegkhk Abstract OUTRES는 outlier detection in high-dimensional data에서의 문제를 해결하기 위해 observation 마다 relevant subspace를 찾는 (Local) Subspace Outlier Mining 방법론 입니다. 이 때, relevant subspace는 SOD와 다르게 변수 조합이 여러개인 multiple subspace가 제공됩니다. 이 때문에 다양한 관점 (multipl.. 2020. 9. 19. [Outlier Detection in High-Dimensional Data] (FB) Feature Bagging 리뷰 Paper dl.acm.org/doi/abs/10.1145/1081870.1081891?casa_token=fJmH04B3mzMAAAAA:Qpesfom07GOIXjeXBWxcIkHNmHrdFTDtJyjE1VXV3HmWQtyeeTKQlb2RE3GQa7ALJ-lFWnYzSPPu Introduction Feature Bagging은 supervised learning에서 널리 사용되는 Bagging 아이디어에 착안하여 High-Dimensional 데이터에서 Unsupervised learning 관점으로 Outlier를 탐지하는 새로운 방법을 제안합니다. Motivation 기존 outlier detection 방법론의 경우 데이터의 전체 변수 (full-dimension)를 모두 이용해 이상치를 탐지합니다.. 2020. 9. 12. 이전 1 다음
