课程咨询: 400-996-5531 / 投诉建议: 400-111-8989
认真做教育 专心促就业
异常问题是程序员在开发软件的时候需要重点关注的一个问题,而今天我们就通过案例分析来了解一下,异常问题都有哪些监测监督方法。
1、深度有监督方法
深度有监督学习是目前深度学习研究充分、应用广泛的一类方法。利用这类方法进行异常检测时,包括数据收集、模型训练、模型推理三个阶段:
数据收集:收集正常样本、异常样本,并对样本进行标注;
模型训练:使用标注好的样本训练模型,以基于图像的异常检测为例,常见的模型包括图像分类模型(判断样本是否异常)、目标检测模型(大致定位图像中异常的位置)、语义分割模型(精确定位图中异常的区域);
模型推理:将待分析的样本喂给模型,模型经过运算后,输出结果。
这类方法的优点是实现简单、精度高,缺点是需要收集大量的正常样本和异常样本并进行标注。实际中,异常样本往往是很稀缺的,通常难以收集足够数量的异常样本来训练模型,因此也就无法应用深度有监督异常检测方法。
2、深度无监督方法
为了更好地应对实际应用中难以收集到足够数量的异常样本的情况,深度无监督异常检测方法通过建模正常样本,来间接地实现异常检测的功能。具体来说,深度无监督异常检测的步骤如下:
数据收集:收集大量正常样本;
模型训练:通过训练模型建模正常样本,常用的模型包括自编码器、生成对抗网络等;
模型推理:将待分析的样本喂给模型,得到模型的输出;
比对:通过比对待分析的样本和模型的输出之间的差异,基于事先设定的阈值判断是否存在异常。
该类方法是目前使用深度学习技术进行异常检测的主流方法,其中具有代表性的两类模型分别是自编码器和生成对抗网络。
希望这辈子,最让你无悔的事情就是来达内学习!学习向来不是件易事,但无论过程多么艰难,希望你依然热爱生活,热爱学习!永远记得,达内将与你一同前行!现在扫码,立即领取万元课程礼包,助力0基础快速入行,为你梳理行业必备技能,全方位了解岗位发展前景!
【免责声明】:本内容转载于网络,转载目的在于传递信息。文章内容为作者个人意见,本平台对文中陈述、观点保持中立,不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请在707945861群中学习了解。欢迎关注“达内在线”参与分销,赚更多好礼。