كشف الشذوذ

اكتشاف الحالات الشاذة هو ممارسة لتعليم الآلات كيفية تحديد نقاط البيانات التي تنحرف بشكل حاد عن الأنماط العادية. وهذا مهم لأن الأحداث النادرة وغير المتوقعة - مثل الاحتيال، وتعطل المعدات، والاختراقات - غالبًا ما تختبئ في محيطات من البيانات الروتينية التي لا يستطيع البشر مسحها يدويًا.

ونظرًا لأن الحالات الشاذة الحقيقية نادرة ويصعب تصنيفها، فإن النماذج عادةً ما تتعلم الشكل الطبيعي وتضع علامة على الانحرافات عنه.

من السهل فصل القيم المتطرفة عن بقية البيانات، لذلك يتم عزلها بأقسام أقل، مما ينتج عنه متوسط ​​طول مسار قصير.

بعد تدريبه على البيانات العادية، يقوم جهاز التشفير التلقائي بإعادة بناء المدخلات العادية بشكل جيد ولكنه ينتج خطأ كبير في إعادة البناء في المدخلات غير العادية.

تشير أعلام LOF إلى وجود مناطق متفرقة ومنخفضة الكثافة بالنسبة لجيرانها باعتبارها حالات شاذة.

يتطور السلوك، لذا فإن ما يعتبر تحولات طبيعية، يجب أن تتكيف النماذج أو يتم إعادة تدريبها لتجنب الإنذارات الكاذبة.