Comparison of Outlier Detection Using Statistical Models and Deep Learning

Abstract

Outlier detection is an important issue that has been studied in diverse fields and applications. Using statistical models to detect outliers has generally been a good choice. But when faced with a huge amount of data, it would be difficult to rely solely on statistical models to detect outliers. This paper presents an outliers detection study for an amount of data generated in cloud through statistical models and deep learning methods. It also compares prediction results, before and after the outliers are eliminated. Experimental results show that removing outliers can improve the accuracy of prediction. When the amount of data is small, the use of statistical models to eliminate outliers can effectively increase the accuracy of prediction. However, when the data becomes large, compared with statistical models, using deep learning effectively improves the prediction accuracy.|이상치 탐지는 다양한 분야와 응용에서 연구 되는 중요한 문제 입니다. 통계 모델을 사용하여 이상치를 탐지하는 것은 일반적으 로 좋은 선택이었습니다. 그러나 방대한 양의 데이터에 직면하면 통계 모델에만 의존하여 이상치를 탐지하기가 어렵습니다. 이 논 문은 통계 모델과 딥 러닝을 통해 클라우드에서 생성된 방대한 양 의 데이터에 대한 이상치 탐지 연구를 제시합니다. 또한 이상치가 제거되기 전후의 예측 결과를 비교합니다. 실험 결과는 이상치를 제거하면 예측의 정확도를 높일 수 있음을 보여줍니다. 데이터 양 이 적을 때 통계 모델을 사용하여 이상치를 제거하면 예측의 정확 도를 효과적으로 높일 수 있지만 통계 모델에 비해 데이터 양이 커지면 딥 러닝을 사용하면 예측 정확도가 효과적으로 향상됩니다.