Glosario IA
El diccionario completo de la Inteligencia Artificial
Detección por densidad local (LOF)
Método basado en la comparación de la densidad local de un punto con la de sus vecinos para identificar los valores atípicos.
Isolation Forest
Algoritmo de conjunto que asla las observaciones al construir árboles de decisión aleatorios para detectar las anomalías.
Autoencoders para anomalías
Redes neuronales que aprenden a reconstruir los datos normales e identifican las anomalías por alto error de reconstrucción.
One-Class SVM
Máquina de vectores de soporte que aprende un límite de decisión alrededor de los datos normales para detectar los valores atípicos.
Detección de anomalías en serie temporal
Técnicas especializadas para identificar patrones inusuales en datos secuenciales temporales
Detección de anomalías multivariadas
Identificación de observaciones anormales basada en las relaciones complejas entre múltiples variables simultáneamente.
Detección por clustering (DBSCAN)
Uso de algoritmos de clustering donde los puntos que no pertenecen a ningún cluster se consideran anomalías.
Detección en flujo de datos
Métodos en tiempo real para identificar anomalías en los datos que llegan continuamente sin almacenamiento completo.
GANs para detección de anomalías
Redes antagónicas generativas utilizadas para modelar la distribución normal y detectar las muestras improbables.
Detección de anomalías en grafos
Identificación de nodos, aristas o subgrafos inusuales en estructuras de datos relacionales.
Detección de anomalías contextuales
Detección de observaciones anormales únicamente en un contexto específico, basada en las condiciones ambientales.
Detección de anomalías colectivas
Identificación de grupos de observaciones que son colectivamente anormales aunque sean individualmente normales.
Métodos estadísticos robustos
Enfoques basados en estadísticas resistentes a los valores atípicos como las medianas o los cuantiles robustos.
Detección de anomalías en alta dimensión
Técnicas especializadas para manejar la maldición de la dimensionalidad en la detección de valores atípicos multivariados.
Aprendizaje semisupervisado para anomalías
Enfoques que combinan datos etiquetados y no etiquetados para mejorar la detección de anomalías con pocos ejemplos.