本发明涉及一种基于惩罚回归的快速异常点检测方法,首先判断线性回归模型中是否存在内生解释变量,当不存在内生解释变量时,依据数据点的方差规律,构建标准方差的惩罚加权最小二乘目标函数,对标准方差进行选择和估计,根据标准方差的选择和估计结果检验异方差,从而进行异常点的检测,当存在内生解释变量时,依据数据点的均值规律,构造均值漂移模型,根据均值漂移模型构建惩罚融合广义矩目标函数,进行均值漂移参数的选择和估计,根据均值漂移参数的估计结果进行异常点的检测。本发明不需要构造检验统计量并求其分布,避免了比如最大似然估计等复杂的运算,能够一步给出所有数据的异常点情况,解决多个异常点时传统方法在掩盖和淹没这两种现象下可能失效的问题,节省检测的运行时间,提高数据处理的效率。
声明:
“基于惩罚回归的快速异常点检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)