Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Helyi Outlier Factor kvíz
Értelmezze a LOF-ot helyi sűrűségarányként, és különböztesse meg a globális távolságtól, beleértve a szomszédos léptékű és az újdonság-mód választásokat.
kérdés 1 -ból 8
Mit sugall egy lényegesen magasabb LOF-pontszám?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mit sugall egy lényegesen magasabb LOF-pontszám?
- A pont kevésbé sűrű, mint helyi szomszédai
- A pont ugyanolyan sűrű, mint helyi szomszédai
- Még akkor is messze van a globális központtól, ha környéke sűrű
- A pontszám egy kalibrált anomália valószínűsége
- Miért kaphat egy távoli pont rendes LOF-pontszámot?
- A LOF figyelmen kívül hagy minden szomszéd információt
- Különálló sűrű alcsoportba tartozhat, hasonló helyi sűrűséggel
- A távolság mindig nullára van állítva a fő felhőn kívül
- A LOF csak a globális átlagot méri
- Miben változik általában a szomszédok számának növelése?
- A sűrűségarányban használt jellemzők száma
- A visszaadott pontszám előjelegyezménye
- Az a skála, amelyen a helyi sűrűséget összehasonlítják
- A LOF előtt használt globális klaszterezési módszer
- Miért fontos a funkcióméretezés a LOF-ban?
- A helyi sűrűséget Gauss-paraméterré változtatja
- Garantálja, hogy minden funkció egyenlő mértékben járul hozzá előfeldolgozás nélkül
- A szomszédok számát osztálycímkévé változtatja
- A legközelebbi szomszédok távolsága a jellemzőegységektől függ
- Miben különbözik az újdonság észlelése az illesztett mintás kiugró értékek észlelésétől?
- Minden képzési mintához címkékre van szükség
- Az új megfigyeléseket összehasonlítja a referencia illeszkedéssel
- Minden lekérdezéshez új sűrűséget tanít át
- Csak a globális klaszter eszközökről számol be
- Scikit-learn újdonság módban mit kerüljenek el a felhasználók a dokumentáció szerint?
- A szomszédok számának ellenőrzése
- Numerikus előrejelzők skálázása
- Újdonságpontozási módszerek alkalmazása a tréningkészleten
- Új, nem látott esetek pontozása
- Melyik minta jelzi inkább lokális, mint globális anomália-koncepciót?
- A globális központtól való távolság akkor is nagy, ha nagy a helyi sűrűség
- A megfigyelésnek ritka kategóriacímkéje van
- A globális klaszter kevés megfigyelést tartalmaz
- A sűrűség alacsony a közeli pontokhoz képest
- Miért ellenőrizze a LOF API pontszám előjelegyezményét?
- A könyvtárak megfordíthatják a pontszámokat, így az erősebb kiugró értékek alacsonyabb számértékekkel rendelkeznek
- A jel határozza meg, hogy hány szomszéd létezik
- A LOF pontszámok mindig valószínűségek
- A pontozás iránya minden megvalósításban azonos