اختبار مرتبط بالدليل · متوسط المستوى
مسابقة الكشف عن الشذوذ
قم بتقييم سبب صعوبة تحديد الحالات الشاذة، وكيف تختلف أساليب الغابة المعزولة وطرق الكثافة المحلية، ولماذا يمكن أن تنحرف خطوط الأساس المنشورة.
سؤال 1 من 8
لماذا يتم تدريب نماذج الكشف عن الحالات الشاذة غالبًا على البيانات "العادية" بدلاً من الحالات الشاذة المصنفة؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- لماذا يتم تدريب نماذج الكشف عن الحالات الشاذة غالبًا على البيانات "العادية" بدلاً من الحالات الشاذة المصنفة؟
- البيانات العادية غير قانونية للتسمية
- لا يمكن للنماذج معالجة الحالات الشاذة على الإطلاق
- البيانات العادية لا تتطلب أي حساب
- الحالات الشاذة نادرة والأمثلة المصنفة نادرة
- كيف تحدد الغابة المعزولة الشذوذ؟
- يتم عزل الحالات الشاذة في عدد أقل من الانقسامات العشوائية، مما يعطي أطوال مسارات أقصر
- تتطلب الحالات الشاذة العديد من الانقسامات العشوائية لعزلها
- يقيس لون كل نقطة بيانات
- يقوم بتجميع النقاط حسب تسمياتها أولاً
- عندما يتم استخدام جهاز التشفير التلقائي للكشف عن الشذوذ، ما الذي يشير إلى وجود شذوذ؟
- خطأ إعادة الإعمار منخفض
- خطأ كبير في إعادة الإعمار عند إدخال غير مألوف
- وقت تدريب أسرع
- المزيد من الطبقات في الشبكة
- ما الذي تعتمد عليه طريقة العامل الخارجي المحلي بشكل أساسي؟
- الترتيب الأبجدي للميزات
- الحجم الإجمالي للملف لمجموعة البيانات
- كثافة النقاط حول نقطة معينة
- قائمة ثابتة لحالات الاحتيال المعروفة
- ما هو التحدي الواقعي الذي يواجه أنظمة الكشف عن الحالات الشاذة المنتشرة؟
- الحالات الشاذة لا تتغير أبدًا بمرور الوقت
- يتم دائمًا تصنيف البيانات العادية بشكل مثالي
- القيم المتطرفة هي دائمًا غالبية البيانات
- يمكن أن يتغير تعريف "الطبيعي"، الأمر الذي يتطلب التكيف
- ما هو التطبيق الذي يعتبر الاستخدام الكلاسيكي للكشف عن الشذوذ؟
- الكشف عن المعاملات الاحتيالية لبطاقات الائتمان
- ترتيب الصور أبجديا
- ترجمة النص بين اللغات
- ضغط ملفات الفيديو
- What does the contamination setting commonly represent in an Isolation Forest workflow?
- The number of training trees that contain audio
- An assumed or expected proportion of outliers used for thresholding
- The probability a record was encrypted
- The average depth of a normal point
- Why should anomaly scores be reviewed with domain context?
- An anomaly score always proves fraud
- All normal data has an identical distribution
- Rare but valid events can look unusual, and errors have different costs
- A model score replaces an investigation