PulseAugur
中
实时 21:26:30
English(EN) Interpretable Anomaly and Drift Detection with Gaussian Mixture Models

使用高斯混合模型的可解释异常和漂移检测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种使用高斯混合模型（GMM）的方法，用于数据流中的可解释异常和漂移检测。该方法使用贝叶斯信息准则自动选择混合分量数量，并根据个体观测值的负对数似然对其进行评分。该模型通过识别 AI

排序理由 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

使用高斯混合模型的可解释异常和漂移检测

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Behnam Asadi ·

    基于高斯混合模型的可解释异常和漂移检测

    arXiv:2607.16811v1 Announce Type: new Abstract: We revisit Gaussian Mixture Models (GMMs) as a lightweight, interpretable tool for anomaly detection and, in particular, for detecting distributional drift in data streams. We make three practical choices explicit and evaluate them …