Κουίζ ανίχνευσης ανωμαλιών

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Γιατί τα μοντέλα ανίχνευσης ανωμαλιών συχνά εκπαιδεύονται κυρίως σε «κανονικά» δεδομένα και όχι σε επισημασμένες ανωμαλίες;
   • Η επισήμανση των κανονικών δεδομένων είναι παράνομη
   • Τα μοντέλα δεν μπορούν να επεξεργαστούν καθόλου ανωμαλίες
   • Τα κανονικά δεδομένα δεν απαιτούν υπολογισμό
   • Οι ανωμαλίες είναι σπάνιες και τα επισημασμένα παραδείγματα είναι σπάνια
2. Πώς ένα Δάσος Απομόνωσης εντοπίζει μια ανωμαλία;
   • Οι ανωμαλίες απομονώνονται σε λιγότερες τυχαίες διασπάσεις, δίνοντας μικρότερα μήκη διαδρομής
   • Οι ανωμαλίες απαιτούν πολλές τυχαίες διασπάσεις για να απομονωθούν
   • Μετρά το χρώμα κάθε σημείου δεδομένων
   • Συγκεντρώνει πρώτα σημεία από τις ετικέτες τους
3. Όταν χρησιμοποιείται ένας αυτόματος κωδικοποιητής για τον εντοπισμό ανωμαλιών, τι σηματοδοτεί μια ανωμαλία;
   • Χαμηλό σφάλμα ανακατασκευής
   • Υψηλό σφάλμα ανακατασκευής σε άγνωστη είσοδο
   • Πιο γρήγορος χρόνος προπόνησης
   • Περισσότερα επίπεδα στο δίκτυο
4. Σε τι βασίζεται κυρίως η μέθοδος Local Outlier Factor;
   • Η αλφαβητική σειρά των χαρακτηριστικών
   • Το συνολικό μέγεθος αρχείου του συνόλου δεδομένων
   • Η πυκνότητα των σημείων γύρω από ένα δεδομένο σημείο
   • Μια σταθερή λίστα γνωστών υποθέσεων απάτης
5. Ποια είναι μια ρεαλιστική πρόκληση για τα αναπτυγμένα συστήματα ανίχνευσης ανωμαλιών;
   • Οι ανωμαλίες δεν αλλάζουν ποτέ με την πάροδο του χρόνου
   • Τα κανονικά δεδομένα φέρουν πάντα τέλεια επισήμανση
   • Οι ακραίες τιμές είναι πάντα η πλειοψηφία των δεδομένων
   • Ο ορισμός του «κανονικού» μπορεί να παρασυρθεί, απαιτώντας προσαρμογή
6. Ποια εφαρμογή είναι κλασική χρήση ανίχνευσης ανωμαλιών;
   • Εντοπισμός δόλιων συναλλαγών με πιστωτικές κάρτες
   • Ταξινόμηση φωτογραφιών αλφαβητικά
   • Μετάφραση κειμένου μεταξύ γλωσσών
   • Συμπίεση αρχείων βίντεο
7. 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
8. 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