Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
DBSCAN (Density-Based Spatial Clustering of Applications with Noise)
Algorithme de clustering non supervisé qui regroupe les points densément peuplés en marquant les points isolés dans des régions de faible densité comme des anomalies ou du bruit.
LOF (Local Outlier Factor)
Méthode de détection d'anomalies qui mesure l'écart de densité locale d'un point par rapport à ses voisins, identifiant les outliers comme les points ayant une densité significativement plus faible.
Epsilon (ε) dans DBSCAN
Paramètre de distance définissant le rayon du voisinage autour d'un point pour déterminer s'il appartient à une région dense, crucial pour la sensibilité de l'algorithme.
MinPts dans DBSCAN
Paramètre seuil indiquant le nombre minimum de points requis dans le voisinage epsilon pour qu'un point soit considéré comme un point central (core point).
Point Central (Core Point)
Point qui possède au moins MinPts voisins dans son rayon epsilon, servant de graine pour la formation d'un cluster dense dans DBSCAN.
K-distance
Distance entre un point et son k-ième voisin le plus proche, utilisée comme base pour calculer la densité locale dans l'algorithme LOF.
Portée de K-distance (Reachability Distance)
Distance de portée utilisée dans LOF, définie comme le maximum de la k-distance du voisin et de la distance réelle entre deux points, pour stabiliser les mesures de densité.
Densité Locale Atteignable (Local Reachability Density - LRD)
Inverse de la portée de k-distance moyenne d'un point par rapport à ses voisins, quantifiant la densité locale autour de ce point dans l'algorithme LOF.
Facteur Anormal Local (Local Outlier Factor - LOF)
Ratio de la densité locale atteignable d'un point à la densité moyenne de ses voisins, où un score supérieur à 1 indique une probabilité d'être un outlier.
OPTICS (Ordering Points To Identify the Clustering Structure)
Algorithme de densité étendant DBSCAN qui crée un ordre des points représentant la structure de densité, permettant l'extraction de clusters à différentes résolutions sans paramètre epsilon fixe.
Graphe de Portée (Reachability Graph)
Représentation visuelle de la portée de k-distance pour chaque point, générée par OPTICS pour identifier les vallées de densité correspondant aux clusters.
Arbre de Condensation (Cluster Tree Condensation)
Processus dans HDBSCAN qui simplifie l'arbre de clusters hiérarchique en fusionnant les clusters qui ne sont pas persistants à travers différentes échelles de densité.
Score d'Anomalie Basé sur la Densité
Métrique quantitative qui évalue le degré d'isolation d'un point en fonction de la densité de son voisinage, utilisée pour classer la sévérité des anomalies détectées.
Méthode du Plus Proche Voisin en Densité (Density-Based Nearest Neighbor)
Approche de détection d'anomalies où un point est considéré comme outlier si la distance à son plus proche voisin est significativement supérieure à la distance moyenne des autres points.
Sous-échantillonnage Basé sur la Densité (Density-Based Subsampling)
Technique de prétraitement qui réduit la taille du jeu de données en conservant préférentiellement les points des régions de faible densité, améliorant l'efficacité de la détection d'anomalies.
Isolation Forest vs. Densité
Distinction conceptuelle où Isolation Forest identifie les anomalies par leur facilité d'isolation dans l'espace des features, tandis que les méthodes basées sur la densité les identifient par leur faible concentration spatiale.