Model [Arning et al. 1996]– Given a

Model [Arning et al. 1996]
– Given a smoothing factor SF(I) that computes for each I ⊆ DB how much the variance of DB is decreased when I is removed from DB
– With equal decrease in variance, a smaller exception set is better
– The outliers are the elements of the exception set E ⊆ DB for which the following holds:
SF(E) ≥ SF(I) for all I ⊆ DB
• Discussion:
– Similar idea like classical statistical approaches (k = 1 distributions) but independent from the chosen kind of distribution
– Naïve solution is in O(2n) for n data objects
– Heuristics like random sampling or best first search are applied
– Applicable to any data type (depends on the definition of SF)
– Originally designed as a global method
– Outputs a labeling

Kết quả (Việt) 1:

Mô hình [Arning et al. 1996]-Đưa ra một yếu tố làm mịn SF(I) tính cho mỗi tôi ⊆ DB bao nhiêu phương sai của DB là giảm khi tôi được lấy ra từ DB-Với bình đẳng giảm phương sai, một tập hợp ngoại lệ nhỏ hơn là tốt hơn-Các outliers là yếu tố ngoại lệ đặt E ⊆ DB mà sau đây nắm giữ:SF(E) ≥ SF(I) cho tất cả tôi ⊆ DB• Thảo luận:-Ý tưởng tương tự như phương pháp tiếp cận thống kê cổ điển (k = 1 phân phối) nhưng độc lập được lựa chọn loại phân phối-Giải pháp ngây thơ là trong O(2n) cho các đối tượng dữ liệu n-Chẩn đoán như lấy mẫu ngẫu nhiên hoặc tốt nhất tìm kiếm đầu tiên được áp dụng-Áp dụng cho bất kỳ loại dữ liệu (phụ thuộc vào định nghĩa của SF)-Ban đầu được thiết kế như là một phương pháp toàn cầu-Kết quả đầu ra một ghi nhãn

Kết quả (Việt) 2:

Mô hình [Arning et al. 1996]
- Cho một yếu tố làm mịn SF (I) mà tính toán cho mỗi tôi ⊆ DB bao nhiêu phương sai của DB là giảm khi tôi được lấy từ DB
- Với mức giảm bình đẳng trong phương sai, một tập hợp ngoại lệ nhỏ hơn là tốt hơn
- Các giá trị ngoại lai là các yếu tố của các ngoại lệ quy E ⊆ DB mà sau giữ:
SF (E) ≥ SF (I) cho tất cả tôi ⊆ DB
• Thảo luận:
- ý tưởng tương tự như phương pháp thống kê cổ điển (k = 1 phân phối), nhưng độc lập với các loại lựa chọn phân phối
- giải pháp Naïve là O (2n) cho các đối tượng dữ liệu n
- Heuristics như lấy mẫu ngẫu nhiên hoặc tìm kiếm đầu tiên tốt nhất được áp dụng
- áp dụng cho bất kỳ loại dữ liệu (phụ thuộc vào định nghĩa của SF)
- được thiết kế như một phương pháp toàn cầu
- kết quả đầu ra một ghi nhãn