特征增強的改進LightGBM流量異常檢測方法

摘要： 針對機器學習在流量異常檢測中存在選擇特征過于依賴專家經驗、原始特征表達能力不足、數(shù)據(jù)受噪聲和離群點影響導致模型魯棒性差以及處理非平衡海量高維數(shù)據(jù)時少數(shù)異常類檢測率低等問題，提出一種特征增強的改進LightGBM(light gradient boosting machine)流量異常檢測方法。首先，采用隔離森林(isolation forest, iForest)實現(xiàn)異常值處理...