Sklearn推荐用于无监督学习的聚类算法

Question

慢慢地讲起Sklearn，更具体的无监督聚类算法。 我正在做一个将xml文件展平为csv文件的项目，这一部分已经完成。

现在我想实现任何sklearn方法来检测数据异常。

csv文件采用Dataframe格式，其中有些列带有说明，而另一些带有值。这些值也可以是十进制值55,2

更建议使用无监督学习中的哪些Sklearn算法进行异常检测？

开始时，我只想尝试查找这些数字的异常情况，如果那里不存在任何数字。

Answer 1

首先，聚类算法和异常检测算法不是一回事。 在群集中，目标是将每个实例分配到一个组（群集）中，其中每个组都具有相似的实例。 在异常检测中，目标是找到与其他实例都不相似的实例。

某些群集算法，例如DB-SCAN，会创建一个“异常群集”。该集群具有不属于任何其他集群的所有实例。我建议尝试看看它是否可以解决您的问题。

几乎所有的聚类算法都将数字向量作为输入。如果要使用字符串列，则可以使用One Hot Encoding之类的方法将字符串转换为数字向量。有很多方法可以做到这一点，您可以找到一些sk-learn实现here。

Answer 2

更建议使用哪种Sklearn算法进行异常检测 无监督学习？

sklearn建议these ones使用最多的算法。

一开始，我只想尝试查找异常 数字，如果有不属于该数字的数字。

如我所见，您可以尝试一种新颖性检测方法，here您有一个基本的解释。根据我的经验，OneClassSVM是可靠的算法。