[发明专利]一种异常检测的解释特征确定方法和装置

说明书

本说明书实施例提供一种异常检测的解释特征确定方法和装置，其中，方法可以包括：对于输入异常检测模型的一个样本，所述样本包括至少一个样本特征，根据每个样本特征的分布参数确定所述样本特征的偏移度；所述分布参数用于表示该样本特征在所述异常检测模型的训练集数据中的分布特点；所述异常检测模型是无监督模型；根据所述样本中的各个样本特征的偏移度，确定至少一个样本特征作为所述样本对应的解释特征，所述解释特征用于解释所述样本与对应的所述异常检测模型的模型输出结果之间的关联。

技术领域

本公开涉及大数据技术领域，特别涉及一种异常检测的解释特征确定方法和装置。

背景技术

异常检测是数据挖掘中的较为重要的一部分，可以应用于入侵检测、欺诈检测、故障检测、系统健康检测、传感器网络事件检测和生态系统干扰检测等多种领域。在实际的异常检测应用当中，其中一种算法即为无监督的异常检测模型。异常检测模型往往是一个黑盒，用户无法感知其内部工作状态，为了提高使用模型的可信度，模型解释就显得至关重要。通过对模型解释，可以进一步理解模型的输出结果，例如究竟输入样本的哪些特征对模型输出影响最大。通过模型解释能够为异常检测模型的输出结果的原因提供分析方向。

发明内容

有鉴于此，本说明书一个或多个实施例提供一种异常检测的解释特征确定方法和装置，以提高异常检测的解释特征获取的准确性。

具体地，本说明书一个或多个实施例是通过如下技术方案实现的：

第一方面，提供一种异常检测的解释特征确定方法，所述方法包括：

对于输入异常检测模型的一个样本，所述样本包括至少一个样本特征，根据每个样本特征的分布参数确定所述样本特征的偏移度；所述分布参数用于表示该样本特征在所述异常检测模型的训练集数据中的分布特点；所述异常检测模型是无监督模型；

根据所述样本中的各个样本特征的偏移度，确定至少一个样本特征作为所述样本对应的解释特征，所述解释特征用于解释所述样本与对应的所述异常检测模型的模型输出结果之间的关联。

第二方面，提供一种异常检测的解释特征确定装置，所述装置包括：

偏移度计算模块，用于对于输入异常检测模型的一个样本，所述样本包括至少一个样本特征，根据每个样本特征的分布参数确定所述样本特征的偏移度；所述分布参数用于表示该样本特征在所述异常检测模型的训练集数据中的分布特点；所述异常检测模型是无监督模型；

特征确定模块，用于根据所述样本中的各个样本特征的偏移度，确定至少一个样本特征作为所述样本对应的解释特征，所述解释特征用于解释所述样本与对应的所述异常检测模型的模型输出结果之间的关联。

第三方面，提供一种异常检测的解释特征确定设备，所述设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

对于输入异常检测模型的一个样本，所述样本包括至少一个样本特征，根据每个样本特征的分布参数确定所述样本特征的偏移度；所述分布参数用于表示该样本特征在所述异常检测模型的训练集数据中的分布特点；所述异常检测模型是无监督模型；

根据所述样本中的各个样本特征的偏移度，确定至少一个样本特征作为所述样本对应的解释特征，所述解释特征用于解释所述样本与对应的所述异常检测模型的模型输出结果之间的关联。

本说明书一个或多个实施例的异常检测的解释特征确定方法和装置，通过根据分布参数找到异常的解释特征，这是基于样本特征的特征值本身的数据分布特点，来找到解释特征，与模型无关且不依赖于模型，因此，模型相关信息的不完善比如样本不平衡性不会影响到解释特征的检测，并且，利用分布参数识别解释特征，符合异常检测的异常点数据分布特点，解释特征获取的准确性较高。

附图说明