Kuis terkait panduan · Sedang Tingkat

Kuis Deteksi Anomali

Menilai mengapa anomali sulit untuk diberi label, perbedaan metode Hutan Isolasi dan metode kepadatan lokal, dan mengapa garis dasar yang diterapkan dapat menyimpang.

Jalur panduan terkaitDeteksi Anomali
Pertanyaan 1 dari 8

Mengapa model deteksi anomali sering kali dilatih terutama pada data 'normal' daripada anomali berlabel?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Mengapa model deteksi anomali sering kali dilatih terutama pada data 'normal' daripada anomali berlabel?
    • Data normal tidak boleh diberi label
    • Model tidak dapat memproses anomali sama sekali
    • Data normal tidak memerlukan komputasi
    • Anomali jarang terjadi dan contoh yang diberi label pun langka
  2. Bagaimana Hutan Isolasi mengidentifikasi anomali?
    • Anomali diisolasi dalam pemisahan acak yang lebih sedikit, sehingga menghasilkan panjang jalur yang lebih pendek
    • Anomali memerlukan banyak pemisahan acak untuk diisolasi
    • Ini mengukur warna setiap titik data
    • Ini mengelompokkan poin berdasarkan labelnya terlebih dahulu
  3. Ketika autoencoder digunakan untuk mendeteksi anomali, apa yang menandakan adanya anomali?
    • Kesalahan rekonstruksi rendah
    • Kesalahan rekonstruksi tinggi pada masukan yang tidak dikenal
    • Waktu pelatihan yang lebih cepat
    • Lebih banyak lapisan dalam jaringan
  4. Apa yang terutama diandalkan oleh metode Faktor Outlier Lokal?
    • Urutan fitur berdasarkan abjad
    • Total ukuran file kumpulan data
    • Kepadatan titik-titik di sekitar suatu titik tertentu
    • Daftar tetap kasus penipuan yang diketahui
  5. Manakah yang merupakan tantangan realistis untuk menerapkan sistem deteksi anomali?
    • Anomali tidak pernah berubah seiring berjalannya waktu
    • Data normal selalu diberi label sempurna
    • Pencilan selalu menjadi mayoritas data
    • Definisi 'normal' bisa saja melayang sehingga memerlukan adaptasi
  6. Aplikasi manakah yang merupakan penggunaan klasik deteksi anomali?
    • Mendeteksi transaksi kartu kredit palsu
    • Menyortir foto berdasarkan abjad
    • Menerjemahkan teks antar bahasa
    • Mengompresi file video
  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