Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Méthodes Statistiques Classiques
Approches basées sur des tests statistiques et distributions de probabilité pour identifier les valeurs aberrantes.
Détection par Isolation Forest
Algorithme d'ensemble utilisant des arbres de décision aléatoires pour isoler efficacement les anomalies.
Autoencoders pour Anomalies
Réseaux de neurones apprenant à reconstruire les données normales, les anomalies ayant des erreurs de reconstruction élevées.
One-Class SVM
Machine à vecteurs de support apprenant une frontière autour des données normales pour détecter les outliers.
Détection en Séries Temporelles
Technodes spécialisées pour identifier les anomalies dans les données séquentielles et temporelles.
Méthodes Basées sur la Densité
Algorithmes comme DBSCAN et LOF identifiant les anomalies comme des points dans des régions de faible densité.
Détection en Streaming
Algorithmes temps réel traitant les flux de données continus pour détecter les anomalies dynamiques.
Anomalies Contextuelles
Détection d'observations anormales uniquement dans un contexte spécifique ou environnement donné.
Détection Multivariée
Techniques analysant les relations entre plusieurs variables pour identifier les anomalies multidimensionnelles.
Méthodes par Clustering
Approches identifiant les anomalies comme des points n'appartenant à aucun cluster ou étant éloignés des centroïdes.
Anomalies Collectives
Détection de groupes d'observations qui sont anormales ensemble mais pas individuellement.
Détection par Apprentissage Profond
Utilisation de réseaux de neurones profonds (GAN, LSTM, Transformers) pour la détection complexe d'anomalies.