Wykrywanie wartości odstających w danych kategorycznych

Oryginalny tytuł:

Outlier Detection in Categorical Data

Zawartość książki:

Zbiory danych charakteryzują się właściwościami większości znajdujących się w nich obiektów danych. Istnieją.

Kilka obiektów danych, których charakterystyka nie jest podobna do charakterystyki głównego nurtu.

Obiekty danych w zbiorze danych. Te obiekty danych mogą zawierać cenne informacje i są nazywane.

Wartości odstające. Wykrywanie wartości odstających jest ważną koncepcją w eksploracji danych ze względu na jej znaczenie.

Zastosowanie w szerokim zakresie dziedzin. Wykrywanie wartości odstających odnosi się do problemu znajdowania ukrytych.

Obserwacje z istotnymi informacjami, których właściwości nie są podobne do właściwości innych obserwacji.

Obserwacje głównego nurtu w zbiorze danych. Wykrywanie wartości odstających nie było interesującym obszarem badań.

Do ostatniej dekady. W ostatnich latach wykrywanie wartości odstających było badane przez wielu badaczy.

Naukowcy ze względu na jego znaczenie w szerokim zakresie obszarów zastosowań i różnych technik.

Zostały one opracowane w celu wykrywania wartości odstających w różnych domenach. Wartości odstające są również nazywane anomaliami.

Literatura. W zależności od domen aplikacji i kontekstu są one również określane jako.

Wyjątki, błędy, niezgodne obserwacje, szumy, usterki, wady, aberracje.

Nowości, osobliwości lub zanieczyszczenia. Wcześniej wykrywanie wartości odstających było tematem badań w.

Statystyka. Obecnie jest to obszar badawczy w wielu gałęziach nauki, w tym.

Eksploracja danych i uczenie maszynowe.