Oct, 2022

用于审计数据的无监督异常检测及分类编码影响

PDF
TL;DR本文介绍了车辆索赔数据集，并提出用于表示分类属性的 GEL 编码和嵌入层。通过比较标签，One Hot 编码，GEL 编码和嵌入层，在标记，重建错误，密度估计和对比学习方法上，评估了该数据集的浅层和深度学习方法。
vehicle claimsfraudulent insurance claimsanomaly detectioncategorical attributesembedding layer
发现论文，激发创造
  • 分类和回归任务中分类变量编码器性能的比较研究

    本研究对 14 种编码器以及八种常见机器学习模型在 28 个数据集上进行了全面的实验评估，发现了不同编码器在不同情境下的最佳选择，并为数据科学家在欺诈检测、疾病诊断等领域提供了选择合适编码器的指导。

    Jan, 2024

  • 使用深度自动编码器网络检测大规模会计数据中的异常

    本研究使用深度自编码神经网络进行高效的会计异常检测，实验结果表明，此方法在比基准方法下有更少的误报率且能捕捉高度相关的会计异常。

    Sep, 2017

  • 编码分类数据：除了一位有效编码，还有更热门的编码方式吗？

    在一个来自 OpenML 仓库的大规模分类问题样本中，通过对实验数据拟合线性混合效应模型，我们发现在多类别任务中，独热编码和 Helmert 对比编码优于基于目标的编码器。在二分类任务中，不同的编码方案之间没有显著差异；然而，独热编码对结果有一定积极影响。重要的是，我们发现编码方案与分类特征的特性之间没有显著交互作用，这说明我们的发现适用于不同领域的各种问题。

    Dec, 2023

  • AMAD：基于对抗多尺度方法的高维时变分类数据异常检测

    本文提出了一个统一的端到端方法，通过结合 Adversarial Autoencoder 和 Recurrent Neural Network 的优势来解决时间演变数据、高维分类特征异常检测中多重分辨率的识别和监测问题。实验结果表明我们的方法优于现有技术。

    Jul, 2019

  • 基于实体嵌入的异质类别事件异常检测

    提出了一种基于概率配对交互和实体嵌入的异常检测模型 APE，将实体嵌入到共同的潜在空间中，通过加权配对交互不同实体类型来定义事件概率，该模型可以高效地学习大型事件空间，并能准确地检测到异常事件。

    Aug, 2016

  • 正则化目标编码在具有高基数特征的监督式机器学习中优于传统方法

    本文基于机器学习算法对分类变量进行编码技术探究，通过对比不同编码策略和算法的实验结果，发现对训练数据中的特征进行正则化后的目标编码技术能够提供最好的结果，并且传统编码技术在部分情况下不如目标编码技术。

    Apr, 2021

  • 表格式学习：实体和上下文嵌入的编码

    通过检查不同的编码技术对实体和上下文嵌入的影响，本研究的目标是挑战常用的顺序编码在表格学习中的应用。通过应用不同的预处理方法和网络架构在几个数据集上，得出了编码器对网络学习结果的影响的基准。通过保持测试、验证和训练数据的一致性，结果表明顺序编码在预处理数据和随后正确分类目标变量方面对于分类数据来说并不是最合适的编码器。通过计算相似度矩阵作为网络输入，基于字符串相似性对特征进行编码可以取得更好的结果。无论是实体还是上下文嵌入，变压器架构在顺序编码和相似度编码方面都表现出了改进的多标签分类任务性能。

    Mar, 2024

  • 分类变量的实体嵌入

    本文介绍了如何将分类变量映射为欧氏空间中的实体嵌入，通过在标准监督训练过程中让神经网络进行学习。实体嵌入不仅可以减少内存使用和加速神经网络，更重要的是通过将相似的值映射到嵌入空间中靠近的位置，揭示了分类变量的内在属性，并帮助神经网络在稀疏且统计学未知的数据集上更好地泛化，因此在具有许多高基数特征的数据集上尤其有用，并且可以用于可视化分类数据和数据聚类。

    Apr, 2016

  • 二分类问题的分类编码器基准

    这篇研究论文是迄今为止最全面的分类编码器基准测试，包括对来自不同家族的 32 种配置的编码器进行的广泛评估，36 种实验因素的组合以及 50 个数据集的测试。研究显示数据集选择、实验因素和汇总策略对基准测试的结论产生了深远影响，而这些方面在以往的编码器基准测试中被忽视。

    Jul, 2023

  • 基于自编码器的医学数据属性噪声处理方法

    本研究提出了一种基于自编码器的预处理方法，该方法可以纠正混合类型的表格数据中的属性噪声，在多个真实医疗数据集上表现优于现有的噪声校正和数据填充方法。

    Jun, 2022