قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
الكشف عن القيم الشاذة
تقنية إحصائية تهدف إلى تحديد الملاحظات التي تنحرف بشكل كبير عن السلوك الطبيعي للبيانات. قد تشير هذه النقاط الشاذة إلى أخطاء في القياس، أو أحداث نادرة، أو سلوكيات احتيالية تتطلب اهتمامًا خاصًا.
الكشف عن الشذوذ باستخدام المُشفّر التلقائي
نهج يعتمد على الشبكات العصبية حيث يتم تدريب مُشفّر تلقائي لإعادة بناء البيانات العادية. تظهر الشذوذات خطأً عاليًا في إعادة البناء لأن النموذج لم يتعلم تمثيل هذه الأنماط غير العادية بفعالية.
الكشف عن الشذوذ باستخدام درجة Z
طريقة بسيطة للكشف عن الشذوذ أحادي المتغير تعتمد على عدد الانحرافات المعيارية عن المتوسط. تعتبر الملاحظات التي تتجاوز درجة Z الخاصة بها عتبة نموذجية (غالبًا 3) شذوذات ذات دلالة إحصائية.
التجميع القائم على الكثافة
عائلة من الخوارزميات التي تحدد المجموعات كمناطق عالية الكثافة مفصولة بمناطق منخفضة الكثافة. تظهر الشذوذات بشكل طبيعي كنقاط معزولة في مناطق الكثافة المنخفضة بين المجموعات.
احتمالية الشذوذ المحلي (LoOP)
خوارزمية الكشف عن الشذوذ التي تحسب الاحتمالات المحلية للاستثنائية بناءً على الكثافة المحلية. توفر درجات قابلة للتفسير بين 0 و 1، مما يسهل تحديد العتبات وتفسير النتائج.
الكشف عن القيم الشاذة القائم على الاتصال
نهج يحدد الشذوذات بتحليل اتصال النقاط في فضاء البيانات. تظهر القيم الشاذة مسارات اتصال أطول أو أقل عددًا إلى النقاط الأخرى مقارنة بالملاحظات العادية.
الكشف عن القيم الشاذة القائم على الزاوية (ABOD)
طريقة الكشف عن الشذوذ تعتمد على الزوايا التي تشكلها المتجهات بين نقطة وجيرانها. تظهر القيم الشاذة تباينًا أكبر في الزوايا المقاسة لأنها تقع في مناطق منخفضة الكثافة في سحابة النقاط.
عامل الشذوذ المحلي القائم على التجميع (CBLOF)
خوارزمية تجمع أولاً ثم تقيم الشذوذات بناءً على حجم المجموعات والمسافة بينها. تحصل النقاط في المجموعات الصغيرة أو البعيدة عن مراكز المجموعات الكبيرة على درجات شذوذ عالية.
الكشف عن القيم الشاذة القائم على المدرج التكراري (HBOS)
طريقة فعالة للكشف عن الشذوذ تبني مدرجات تكرارية أحادية البعد لكل ميزة. تحسب درجة الشذوذ كمعكوس حاصل ضرب ارتفاعات المدرجات التكرارية، وهي سريعة بشكل خاص على البيانات عالية الأبعاد.
الكشف عن القيم الشاذة باستخدام أقرب الجيران (K-NN)
نهج بسيط يحدد الشذوذ عن طريق حساب متوسط المسافة إلى أقرب k جيران. تعتبر النقاط التي تحتوي على متوسط مسافات أعلى بكثير قيمًا شاذة لأنها تبتعد عن تجمعات البيانات العادية.
الكشف عن القيم الشاذة باستخدام نموذج الخليط الغاوسي
تقنية احتمالية تقوم بنمذجة البيانات كمزيج من عدة توزيعات غاوسية. يتم تحديد الشذوذ كملاحظات ذات احتمالية منخفضة ضمن النموذج المتعلم، مما يشير إلى أنها لا تتوافق مع أي مكون غاوسي رئيسي.