mishadobrits / anomaly_detector

В данном исследовательском проекте мы изучим и сравним различные способы поиска аномалий в табличных данных. Будем использовать следующие 11 наборов данных:

Название	Кол-во объектов	Кол-во аномалий	Процент аномалий	Кол-во признаков
ALOI	50000	1508	3.02%	27
annthyroid
cardio
musk	3062	97	3.17%	165
mammography	7849	254	3.24%	5
optdigits
satellite
satimage
shuttle
shuttle
yeast

Изучив поведение 23 моделей для обнаружения аномалий в данных по метрикам AUC-ROC и AUC-PR, мы обнаружили, что одна из них показывает лучшие результаты на 6-7 датасетах, а отличающиеся от лучшего не более чем на 10% - почти на всех наборах данных. Это модель XGBOD - она создает новое пространство признаков и поверх него запускает градиентный бустинг.