ml-anomaly-detection

在检测数据中的异常值或离群点、构建无监督异常检测系统、应用统计方法（Z-score/IQR）、基于邻近度的方法（LOF）、集成方法（孤立森林）、深度学习方法（自编码器/变分自编码器）或时间序列异常检测时使用此技能。该技能要求：根据数据特征（表格型/时间序列/高维）选择方法，建立统计基线（Z-score/IQR），配置模型参数（污染率、阈值），使用精确率/召回率@k进行评估，设计实时处理流程。不得用于：使用带标签数据进行监督式欺诈检测（应使用分类技能）、数据质量检查（应使用数据验证技能）、对检测到的异常进行根因分析，或进行预测（应使用机器学习时间序列技能）。

模型生成摘要（rules/v1 · 2026-11-15 03:14）：在检测数据中的异常值或离群点、构建无监督异常检测系统、应用统计方法（Z-score/IQR）、基于邻近度的方法（LOF）、集成方法（孤立森林）、深度学习方法（自编码器/变分自编码器）或时间序列异常检测时使用此技能
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-11-15 03:14	44ce609a	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。