Class-Based Outlier Detection: Staying Zombies or Awaiting for Resurrection?
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F15%3A00084902" target="_blank" >RIV/00216224:14330/15:00084902 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-24465-5_17" target="_blank" >http://dx.doi.org/10.1007/978-3-319-24465-5_17</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-24465-5_17" target="_blank" >10.1007/978-3-319-24465-5_17</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Class-Based Outlier Detection: Staying Zombies or Awaiting for Resurrection?
Popis výsledku v původním jazyce
This paper addresses the task of finding outliers within each class in the context of supervised classification problems. Class-based outliers are cases that deviate too much with respect to the cases of the same class. We introduce a novel method for outlier detection in labelled data based on Random Forests and compare it with the existing methods both on artificial and real-world data. We show that it is competitive with the existing methods and sometimes gives more intuitive results. We also providean overview for outlier detection in labelled data. The main contribution are two methods for class-based outlier description and interpretation.
Název v anglickém jazyce
Class-Based Outlier Detection: Staying Zombies or Awaiting for Resurrection?
Popis výsledku anglicky
This paper addresses the task of finding outliers within each class in the context of supervised classification problems. Class-based outliers are cases that deviate too much with respect to the cases of the same class. We introduce a novel method for outlier detection in labelled data based on Random Forests and compare it with the existing methods both on artificial and real-world data. We show that it is competitive with the existing methods and sometimes gives more intuitive results. We also providean overview for outlier detection in labelled data. The main contribution are two methods for class-based outlier description and interpretation.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Advances in Intelligent Data Analysis XIV - 14th International Symposium, IDA 2015
ISBN
9783319244648
ISSN
0302-9743
e-ISSN
—
Počet stran výsledku
12
Strana od-do
193-204
Název nakladatele
Springer
Místo vydání
Neuveden
Místo konání akce
Saint Etienne, France
Datum konání akce
22. 10. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—