高维监控数据的概念漂移及异常时间序列学习是什么?
高维数据带来 的维数灾难使得传统的机器学习方法不再适用。一个比较经典的检测概念漂移及异常的 方法是由 Dasu 等人提出的一种用于检测高维时间序列的概念变化问题的信息理论方法。 该方法基于空间分割方案,运用 KL 散度度量两个经验分布之间的距离。但是,该方法 在离散化划分之后才能求得概率密度,经过离散化后运用 Bootstrap,使算法需要花费 较大的时间代价。另外,该方法只能判断两类情况下的概念漂移及异常,对多类情况只 能两两判断或采用其他策略。以上内容摘自《应用智能运维实践(试读版)》电子书,点击https://developer.aliyun.com/ebook/download/367 可下载完整版
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。