对不起，我没有关于交叉验证的答案
我刚开始从事数据科学。我有来自传感器（20）的数据，几乎所有时候我都有“好”值。有时，我会发现有些问题。现在我有500,000行，每行包含20列，大约300列用于“坏”行。这些“不良”行可能代表不同类型的错误，有时没有值。我不知道会有多少种错误。
由于我没有足够的“坏”数据，因此无法直接使用神经网络。
我的目的是使用异常值/异常检测算法，使用这些异常进行聚类，并为每个聚类手动分配错误。
您可以推荐哪些算法和python库？任何帮助将不胜感激。
答案 0 :(得分：0)
这是异常值和异常检测中的一个常见问题，为此分析建立了几种策略。
自动编码器：查看有关使用自动编码器进行欺诈检测的帖子https://medium.com/@curiousily/credit-card-fraud-detection-using-autoencoders-in-keras-tensorflow-for-hackers-part-vii-20e0c85301bd
这个仓库：https://github.com/chen0040/keras-anomaly-detection
我最能解释这种方法的工作方式：将输入分解开来，仅与基本要素放回去，寻找与正常情况根本不同的输入。
这是一种专注于利用LTSM的方法，LTSM是卷积神经网络中一种流行的“记忆”细胞：https://developer.ibm.com/tutorials/iot-deep-learning-anomaly-detection-5/
您可能还会探索GAN，因为它们从根本上依赖于鉴别器。在此处查看它们：https://skymind.ai/wiki/generative-adversarial-network-gan
Python中有很多NN / ML库。 Keras，tf，scikit-learn，pytorch和nltk，spacy都很受欢迎。