LSCP: Selective Combination in Parallel Ensembles-学习笔记

LSCP: Locally Selective Combination in Parallel Outlier Ensembles

1. LSCP框架：

2. 构建多个基础异常检测模型（Base Detector Generation）；

3. 利用伪标签作为评估依据（Pseudo Ground Truth）；

4. 对于每个测试样本，定义其局部空间，即邻近区域（Local Region Definition）；

5. 模型的选择与整合（Model Selection and Combination），即在已确定的局部空间中，对所有基础模型使用生成的伪标签进行评估，并选择与伪标签在局部区域内具有较高Pearson相关性的模型作为最终输出。

6. 异常检测（离群值识别）是数据挖掘领域中一种关键的方法，能够识别出与主流数据分布存在显著差异的异常点。

7. 异常检测具有三个显著特征：一是通常处于无监督状态，缺乏明确的标签信息；二是数据分布极度不平衡，异常点数量远低于正常点；三是所呈现的模式较为复杂。

8. 多数现有的异常检测集成方法采用的是并行结构。

9. LSCP（Locally Selective Combination i