我正在尝试实施异常检测机器学习模型，以检测用户何时在与他们的登录历史记录相比的异常时间登录我的网站。
我尝试过使用隔离森林算法，但我遇到了一些问题。 该模型基于 4 个特征进行训练，包括 login_time（登录小时）、频率（该小时内的登录次数）和这些列的两个 z 分数。但是，我对使用 login_time 作为一个特性并不满意，因为它受深夜影响很大。
此外，我不确定为每个用户训练一个单独的模型是否是一个好方法。 我正在寻找可以解决这些问题的更好模型或方法。
我正在考虑的一个解决方案是将登录时间转换为分类变量，例如早上、下午或晚上，并将其作为模型中的特征。对于这个问题的任何建议或反馈，我将不胜感激。
我会完善我的问题：
我如何规范化 login_hours，我的意思是我如何减少计算中 23:00 小时的权重，因为例如我可以从 00:00 开始有 10 条登录记录，从 23:00 开始有两条，这两条会对模型产生很大的影响...