Main Content

La traducción de esta página está obsoleta. Haga clic aquí para ver la última versión en inglés.

Detección de anomalías

Detecte valores atípicos y novedades

Statistics and Machine Learning Toolbox™ ofrece varias funcionalidades de detección de anomalías para los datos de la muestra multivariante sin etiquetar. Las funcionalidades de detección de anomalías detectan valores atípicos (anomalías en datos de entrenamiento) mediante el entrenamiento de un modelo o el aprendizaje de parámetros. Para la detección de novedades (detección de anomalías en datos nuevos con datos de entrenamiento no contaminados), se entrena un modelo o se aprenden parámetros con datos de entrenamiento no contaminados (datos sin valores atípicos) y se detectan anomalías en datos nuevos usando el modelo entrenado o los parámetros aprendidos. Para obtener más información, consulte Unsupervised Anomaly Detection.

Si tiene datos de entrenamiento etiquetados como puntos normales y anomalías, puede entrenar un modelo de clasificación binario y utilizar las funciones de objeto resubPredict y predict para detectar anomalías en los datos de entrenamiento y en los nuevos datos, respectivamente. Para obtener la lista de funcionalidades de clasificación admitidas, consulte Clasificación.

La toolbox también ofrece funcionalidades de detección de anomalías específicas para el modelo que puede aplicar tras entrenar una clasificación, una regresión o un modelo de formación de clusters. Para obtener más detalles, consulte Model-Specific Anomaly Detection.

Funciones

expandir todo

iforestFit isolation forest for anomaly detection
isanomalyFind anomalies in data using isolation forest
fitcsvmTrain support vector machine (SVM) classifier for one-class and binary classification
resubPredictClassify training data using trained classifier
predictClassify observations using support vector machine (SVM) classifier
robustcovRobust multivariate covariance and mean estimate
mahalMahalanobis distance to reference samples
pdist2Pairwise distance between two sets of observations

Objetos

IsolationForestIsolation forest for anomaly detection
ClassificationSVMSupport vector machine (SVM) for one-class and binary classification

Temas