Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Pengesanan Anomali

Nilaikan sebab anomali sukar dilabel, cara Hutan Pengasingan dan kaedah ketumpatan tempatan berbeza, dan sebab garis dasar yang digunakan boleh hanyut.

Laluan panduan yang berkaitanPengesanan Anomali
soalan 1 daripada 8

Mengapakah model pengesanan anomali sering dilatih kebanyakannya pada data 'normal' dan bukannya anomali berlabel?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Mengapakah model pengesanan anomali sering dilatih kebanyakannya pada data 'normal' dan bukannya anomali berlabel?
    • Data biasa adalah haram untuk dilabelkan
    • Model tidak boleh memproses anomali sama sekali
    • Data biasa tidak memerlukan pengiraan
    • Anomali jarang berlaku dan contoh yang dilabel jarang berlaku
  2. Bagaimanakah Hutan Pengasingan mengenal pasti anomali?
    • Anomali diasingkan dalam pemisahan rawak yang lebih sedikit, memberikan panjang laluan yang lebih pendek
    • Anomali memerlukan banyak pemisahan rawak untuk diasingkan
    • Ia mengukur warna setiap titik data
    • Ia mengelompokkan mata mengikut label mereka terlebih dahulu
  3. Apabila pengekod auto digunakan untuk pengesanan anomali, apakah yang menandakan anomali?
    • Ralat pembinaan semula yang rendah
    • Ralat pembinaan semula yang tinggi pada input yang tidak dikenali
    • Masa latihan yang lebih cepat
    • Lebih banyak lapisan dalam rangkaian
  4. Apakah kaedah Faktor Outlier Tempatan bergantung terutamanya?
    • Susunan abjad ciri
    • Jumlah saiz fail set data
    • Ketumpatan titik di sekeliling titik tertentu
    • Senarai tetap kes penipuan yang diketahui
  5. Yang manakah merupakan cabaran realistik untuk sistem pengesanan anomali yang digunakan?
    • Anomali tidak pernah berubah dari semasa ke semasa
    • Data biasa sentiasa dilabel dengan sempurna
    • Outlier sentiasa menjadi majoriti data
    • Takrif 'normal' boleh hanyut, memerlukan penyesuaian
  6. Aplikasi manakah yang merupakan penggunaan klasik pengesanan anomali?
    • Mengesan transaksi kad kredit penipuan
    • Mengisih foto mengikut abjad
    • Menterjemah teks antara bahasa
    • Memampatkan fail 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