이상 탐지 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 이상 탐지 모델이 레이블이 지정된 이상 항목이 아닌 '정상' 데이터에 대해 주로 훈련되는 이유는 무엇입니까?
   • 일반 데이터에는 라벨을 붙이는 것이 불법입니다.
   • 모델은 이상 현상을 전혀 처리할 수 없습니다.
   • 일반 데이터에는 계산이 필요하지 않습니다.
   • 변칙은 드물고 레이블이 지정된 예는 거의 없습니다.
2. 격리 포레스트는 어떻게 이상 징후를 식별합니까?
   • 더 적은 수의 무작위 분할로 이상 현상이 격리되어 경로 길이가 더 짧아집니다.
   • 이상 현상을 격리하려면 많은 무작위 분할이 필요합니다.
   • 각 데이터 포인트의 색상을 측정합니다.
   • 먼저 레이블별로 포인트를 클러스터링합니다.
3. 이상 감지에 오토인코더를 사용할 때 이상 징후는 무엇입니까?
   • 낮은 재구성 오류
   • 익숙하지 않은 입력에 대한 높은 재구성 오류
   • 더 빠른 훈련 시간
   • 네트워크의 더 많은 레이어
4. Local Outlier Factor 방법은 주로 무엇에 의존합니까?
   • 기능의 알파벳순
   • 데이터 세트의 총 파일 크기
   • 특정 지점 주변의 지점 밀도
   • 알려진 사기 사건의 고정 목록
5. 배포된 이상 탐지 시스템에 대한 현실적인 과제는 무엇입니까?
   • 이상 현상은 시간이 지나도 변하지 않습니다.
   • 일반 데이터는 항상 완벽하게 레이블이 지정됩니다.
   • 이상값은 항상 데이터의 대부분입니다.
   • '정상'의 정의는 표류할 수 있으므로 적응이 필요함
6. 이상 탐지의 전형적인 용도는 무엇입니까?
   • 신용카드 사기 거래 적발
   • 사진을 알파벳순으로 정렬하기
   • 언어 간 텍스트 번역
   • 비디오 파일 압축
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