學習筆記，僅供參考，有錯必糾

關鍵詞:離群點檢測，集成學習，成員選擇，參數化，準確性-多樣性權衡

---

Building Outlier Detection Ensembles by Selective Parameterization of Heterogeneous Methods

摘要

我們解決了在無監督離群點檢測中選擇集成成員的問題。由于問題的無監督性質，這里的挑戰是識別個別準確但不同的成員。為此，我們提出并選擇:精確多樣化選擇器，它在輸入時考慮一組異質離群點檢測方法，系統地選擇精確的參數變量，即每種類型的參數化。該輸入集中的離群值檢測方法通常表現出隨參數值增加而漸進或遞減的性能行為特征。然后，我們考慮每種方法的大量參數變體。從這樣一個方法類型的同構集合中，我們的目標是選擇更精確的參數化端，避免由于上述特點而同時選擇兩端。因此，要么選擇一個精確的變量，要么選擇一組兩個變量，在準確性和多樣性之間進行權衡。對基準數據集的評估顯示，與現有的選擇器相比，性能有顯著的提高。

Introduction

集成學習旨在通過組合多個個體學習器的發現來獲得更可靠的結果。關鍵的挑戰是為這個團隊找到一批好的學習器。這一挑戰進一步加劇了離群點檢測，因為在沒有任何標記的訓練樣本的情況下，候選檢測器的準確性評估是困難的。

總結

以上是生活随笔為你收集整理的文献记录(part46)--Building Outlier Detection Ensembles by Selective Parameterization of ...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。