一种基于机器学习的工业设备运行数据清洗方法、装置、设备以及计算机可读介质

本发明公开了一种基于机器学习的工业设备运行数据清洗方法、装置、设备以及计算机可读介质，本申请获取工业设备运行的原始数据，对原始数据进行预处理；构建孤立森林算法模型，将预处理后的原始数据输入孤立森林算法模型进行异常检测，标记出正常数据点和异常数据点，生成包含正常数据点的正常数据集和包含异常数据点的异常数据集；基于正常数据集训练随机森林回归模型，将异常数据集输入到训练后的随机森林回归模型，得到异常数据点的预测值；对异常数据点的值进行修正，输出修正后的数据集；将修正后的数据集重新输入孤立森林算法模型，以验证修正后的数据集中是否存在新的异常数据点。