[发明专利]一种异常数据检测方法及装置

权利要求书

1.一种异常数据检测方法，其特征在于，包括：

获取待测业务数据的特征数据；

根据所述特征数据输入预先拟合的多元线性回归模型中，得到所述多元线性回归模型输出的所述特征数据的目标标签；

根据所述特征数据的目标标签与所述特征数据的实际标签确定所述特征数据的稳健标准化残差，并确定所述特征数据的稳健马氏距离；

根据所述稳健标准化残差与所述稳健马氏距离确定所述待测业务数据的异常检测结果。

2.根据权利要求1所述的方法，其特征在于，根据所述稳健标准化残差与所述稳健马氏距离确定所述待测业务数据的异常检测结果包括：

将所述稳健马氏距离与预先确定的横轴临界值进行对比，得到第一对比结果；

将所述稳健标准化残差与预先确定的纵轴临界值进行对比，得到第二对比结果；

根据所述第一对比结果与所述第二对比结果确定所述异常检测结果。

3.根据权利要求2所述的方法，其特征在于，根据所述第一对比结果与所述第二对比结果确定所述异常检测结果包括：

若所述第一对比结果为所述稳健马氏距离小于所述横轴临界值，所述第二对比结果为所述稳健标准化残差的绝对值小于所述纵轴临界值，确定所述异常检测结果为正常；

若所述第一对比结果为所述稳健马氏距离小于所述横轴临界值，所述第二对比结果为所述稳健标准化残差的绝对值大于所述纵轴临界值，确定所述异常检测结果为回归异常值；

若所述第一对比结果为所述稳健马氏距离大于所述横轴临界值，所述第二对比结果为所述稳健标准化残差的绝对值大于所述纵轴临界值，确定所述异常检测结果为坏的杠杆点；

若所述第一对比结果为所述稳健马氏距离大于所述横轴临界值，所述第二对比结果为所述稳健标准化残差的绝对值小于所述纵轴临界值，确定所述异常检测结果为好的杠杆点。

4.根据权利要求1所述的方法，其特征在于，根据所述特征数据的目标标签与所述特征数据的实际标签确定所述特征数据的稳健标准化残差包括：

采用稳健的估计方法，得到多元线性回归模型回归系数向量的MM估计和回归标准误差；

根据所述MM估计与所述回归标准误差确定所述特征数据的稳健标准化残差。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：

确定预定数量的业务数据的自变量与因变量；

对所述自变量进行变量筛选，得到筛选后的自变量；

根据所述筛选后的自变量与对应的因变量拟合所述多元线性回归模型。

6.根据权利要求5所述的方法，其特征在于，根据所述筛选后的自变量与对应的因变量拟合所述多元线性回归模型包括：

通过以下方式根据所述筛选后的自变量拟合所述多元线性回归模型：

Y_i＝β₁X_i1+…+β_pX_ip+e_i,i＝1,2,…,n；

其中，Y_i为自变量X_i对应的因变量，x＝(X_i,X₂,…,X_p)^T为所述筛选后的自变量，e_i是独立同分布的随机误差项，β＝(β₁,β₂,…,β_p)^T是所述多元线性回归模型的参数向量。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

获取所述多元线性回归模型输出的所述筛选后的自变量的目标标签；

根据所述筛选后的自变量的目标标签与所述筛选后的自变量的实际标签确定所述筛选后的自变量的稳健标准化残差，并确定所述筛选后的自变量的稳健马氏距离；

以所述稳健马氏距离为横轴，以所述稳健标准化残差为纵轴，制作RR-RD诊断图。