查找分类数据记录中的异常答案

【问题标题】：find anomalies in records of categorical data查找分类数据记录中的异常
【发布时间】：2018-02-27 10:06:41
【问题描述】：

我有一个包含 m 个观测值和 p 个分类变量（名义）的数据集，每个变量 X1,X2...Xp 有几个不同的类（可能的值）。最终，我正在寻找一种发现异常的方法，即识别相对于我目前看到的数据而言值组合似乎不正确的行。到目前为止，我正在考虑构建一个模型来预测每列的值，然后构建一些度量来评估实际行与预测行的差异。我将不胜感激任何帮助！

【问题讨论】：

这个问题最好发到ai.stackexchange.com
让我理解得很好......所以了解记录是否不正确的标准是基于该类别中术语的频率？如果一个术语出现几次可能是不正确的，这是你的估值吗？你能展示你的数据样本吗？
基本上我在考虑与市场篮子分析进行类比。如果某些值经常一起出现，并且只有一次某个值似乎完全错过了该模式，我想标记一下。类似于识别异常值但针对多类分类数据

标签： python machine-learning statistics data-science

【解决方案1】：

看看最近邻域法和聚类分析。指标可以是简单的（如平方误差），甚至可以是自定义的（每个类别都有预定义的权重）。

最近的邻域将回答“当前行与另一行有何不同”的问题，聚类分析将回答“是否离群值”的问题。此外，一些可视化可能会有所帮助（T-SNE）。

【讨论】：