一种基于XGboost的异常检测算法

• 作者: 陈适宜
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 异常检测 xgboost 异常注入 特征提取 智能运维
• 年，卷（期）: 2021,（2）
• 页码范围: 188-189
• 页数: 2页
• 分类号: TP311

摘要

为了提高异常检测的准确性和高效性,提出了基于xgboost的异常检测算法。首先对异常检测当前遇到的挑战进行分析,指出缺少样本和模型泛化是异常检测中的难点。在此基础上设计了异常注入算法,利用3sigma原则对数据集进行扩充;然后设计特征提取器,针对正常数据和异常数据的特点设计相关特征;最后选择xgboost模型对时序数据进行异常检测。此异常检测流程提高了异常检测的准确性和泛化能力。通过在KPI公共数据集上进行实验,验证了该设计的准确性和有效性。