一种基于深度学习的异常数据检测方法

本发明涉及数据处理技术领域，尤其涉及一种基于深度学习的异常数据检测方法。该方法包括步骤；S1，实时数据捕获与预处理；S2，事件元组与异常判定；S3，动态分箱与决策树建模；S4，最优检测路径选择；S5，反馈优化与持续监测；本发明通过根据动态分箱构建规则及决策树降低检测开销，预处理实时检测数据，综合识别实时数据的异常状态，多级报警及时响应，反馈自适应机制，实现数据实时监控，实时采集多维度数据并对其进行预处理，通过动态分箱和决策树构建确定数据异常风险，并根据风险级别对异常数据进行报警，同时依据动态反馈结果调整标准依赖强度变化量，提升检测准确度与稳定性，实现对业务数据高效精准的异常检测的需求。