विसंगति का पता लगाना

विसंगति का पता लगाना उन डेटा बिंदुओं को चिह्नित करने के लिए मशीनों को सिखाने का अभ्यास है जो सामान्य पैटर्न से तेजी से विचलित होते हैं। यह मायने रखता है क्योंकि दुर्लभ, अप्रत्याशित घटनाएं - धोखाधड़ी, उपकरण विफलता, घुसपैठ - अक्सर नियमित डेटा के महासागर में छिपी होती हैं जिन्हें मनुष्य हाथ से स्कैन नहीं कर सकते हैं।

चूँकि वास्तविक विसंगतियाँ दुर्लभ होती हैं और उन्हें लेबल करना कठिन होता है, मॉडल आमतौर पर सीखते हैं कि सामान्य कैसा दिखता है और इससे विचलन को चिह्नित करते हैं।

आउटलेर्स को बाकी डेटा से अलग करना आसान होता है, इसलिए वे कम विभाजन के साथ अलग हो जाते हैं, जिससे औसत पथ की लंबाई कम हो जाती है।

सामान्य डेटा पर प्रशिक्षित, एक ऑटोएनकोडर सामान्य इनपुट को अच्छी तरह से पुनर्निर्माण करता है लेकिन असामान्य इनपुट पर बड़ी पुनर्निर्माण त्रुटि उत्पन्न करता है।

एलओएफ झंडे अपने पड़ोसियों के सापेक्ष विरल, कम घनत्व वाले क्षेत्रों में विसंगतियों के रूप में बैठे हैं।

व्यवहार विकसित होता है, इसलिए इसे सामान्य बदलाव के रूप में गिना जाता है, और झूठे अलार्म से बचने के लिए मॉडल को अनुकूलित या फिर से प्रशिक्षित किया जाना चाहिए।