Wykrywanie wartości odstających z wykorzystaniem nowego podejścia hybrydowego

Eksploracja danych jest procesem wydobywania ukrytych i uytecznych informacji z danych. Wykrywanie wartoci odstajcych jest fundamentaln czci eksploracji danych i w ostatnim czasie cieszy si ogromnym zainteresowaniem rodowiska naukowego. Wynik odstajcy to obiekt danych, ktry odbiega od innych obserwacji. Wykrywanie wartoci odstajcych ma istotne zastosowanie w czyszczeniu danych, jak rwnie w eksploracji punktw odbiegajcych od normy w celu wykrywania oszustw, analizy giedowej, wykrywania wama, marketingu, czujnikw sieciowych. Wikszo istniejcych bada koncentruje si na numerycznych zbiorach danych, ktre nie maj bezporedniego zastosowania w przypadku kategorycznych zbiorw danych, gdzie uporzdkowanie danych i obliczenie odlegoci pomidzy punktami danych nie ma wikszego sensu. Ponadto, wiele z obecnych metod wykrywania wartoci odstajcych wymaga czasu kwadratowego w odniesieniu do rozmiaru zbioru danych i zwykle wymaga wielokrotnego skanowania danych; cechy te s niepodane, gdy zbiory danych s due. W niniejszej pracy skoncentrowano si i oceniono eksperymentalnie metod wykrywania wartoci odstajcych, ktra jest ukierunkowana na zbiory kategoryczne. Ponadto, jest to prosty, skalowalny i wydajny algorytm wykrywania wartoci odstajcych, ktry ma t zalet, e pozwala wykrywa wartoci odstajce w kategorycznych lub numerycznych zbiorach danych poprzez per