Глоссарий ИИ
Полный словарь искусственного интеллекта
Anomalie
Observation ou pattern qui s'écarte significativement du comportement attendu ou normal dans un jeu de données, indiquant potentiellement une erreur, une fraude ou un événement rare.
Outlier
Point de données qui diffère considérablement des autres observations, souvent identifié par des méthodes statistiques ou des algorithmes de machine learning non supervisé.
Isolation Forest
Algorithme de détection d'anomalies basé sur des arbres de décision qui isole les anomalies en construisant aléatoirement des forêts d'arbres et mesurant la profondeur moyenne d'isolation des points.
Local Outlier Factor (LOF)
Méthode de détection d'anomalies basée sur la densité locale qui compare la densité d'un point avec celle de ses voisins pour identifier les points dans des régions de faible densité.
One-Class SVM
Variante des machines à vecteurs de support entraînée sur des données normales pour créer une frontière de décision, identifiant comme anomalies les points situés en dehors de cette frontière.
Autoencoder
Réseau neuronal non supervisé appris à reconstruire ses données d'entrée, où les anomalies sont identifiées par une erreur de reconstruction élevée indiquant un écart du pattern normal.
Elliptic Envelope
Méthode statistique robuste qui ajuste une ellipse autour des données normales en utilisant l'estimation de la covariance robuste, considérant les points extérieurs comme des anomalies.
Z-score
Mesure statistique standardisée qui quantifie l'écart d'une observation par rapport à la moyenne en unités d'écart-type, les valeurs extrêmes indiquant potentiellement des anomalies.
IQR (межквартильный размах)
Метод обнаружения, основанный на диапазоне между первым и третьим квартилями, при котором наблюдения, отклоняющиеся на 1.5*IQR за пределами квартилей, считаются аномалиями.
Расстояние Махаланобиса
Многомерная мера расстояния, учитывающая корреляцию между переменными, которая определяет аномалии как точки с большим расстоянием от центра распределения.
Ошибка реконструкции
Разница между исходными данными и их реконструкцией с помощью модели, такой как автоэнкодер, при этом высокие ошибки указывают на аномальные наблюдения.
Обнаружение новизны
Разновидность обнаружения аномалий, при которой модель обучается на нормальных данных для идентификации новых, неизвестных наблюдений, которые отклоняются от изученных паттернов.
Точечная аномалия
Тип аномалии, при которой отдельное наблюдение считается аномальным по отношению к остальным данным, независимо от контекста или других наблюдений.
Контекстуальная аномалия
Аномалия, которая считается аномальной только в определённом контексте, например, высокая температура зимой, которая могла бы быть нормальной летом.
Коллективная аномалия
Группа наблюдений, которые будучи по отдельности нормальными, становятся аномальными при появлении вместе в виде последовательной или пространственной коллекции.
Робастная ковариация
Метод оценки ковариации, устойчивый к выбросам, используемый для обнаружения аномалий путём выявления точек, значительно отклоняющихся от робастного распределения.
Обнаружение аномалий на основе кластеризации
Подход, который использует алгоритмы кластеризации для идентификации аномалий как точек, не принадлежащих ни одному кластеру или принадлежащих кластерам очень малого размера.
Обнаружение выбросов на основе гистограмм
Метод, который строит многомерные гистограммы данных и идентифицирует аномалии как наблюдения, попадающие в ячейки с очень низкой частотой.