Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Détection d'anomalies par densité
Approche qui identifie les anomalies comme des points situés dans des régions de faible densité par rapport au reste des données, utilisant des algorithmes comme LOF ou DBSCAN.
Détection d'anomalies en temps réel
Processus continu d'identification d'anomalies dans les flux de données instantanés, nécessitant des algorithmes à faible latence et haute performance.
Anomalies multivariées
Déviations anormales détectées lorsqu'on considère simultanément plusieurs variables, pouvant passer inaperçues en analyse univariée.
Anomalies contextuelles
Observations anormales uniquement dans un contexte spécifique, comme une vente élevée en période normale mais faible pendant les soldes.
Anomalies collectives
Ensemble d'observations qui sont normales individuellement mais anormales lorsqu'elles apparaissent ensemble dans une séquence ou un groupe.
Test de Grubbs
Test statistique d'hypothèse pour détecter un seul outlier dans un jeu de données suivant une distribution normale.
Détection d'anomalies par apprentissage profond
Utilisation de réseaux de neurones profonds comme les autoencodeurs, GANs ou LSTMs pour modéliser des patterns complexes et identifier les déviations.
Détection d'anomalies supervisée
Approche utilisant des données étiquetées (normales/anormales) pour entraîner des modèles de classification comme la régression logistique ou les forêts aléatoires.
Métrique de reconstruction
Erreur quadratique moyenne ou autre mesure de divergence entre les données originales et leur reconstruction par un modèle, utilisée pour quantifier l'anormalité.