Gids-gekoppelde quiz · Middelmatig Niveau

Anomaliedetectiequiz

Beoordeel waarom afwijkingen moeilijk te labelen zijn, hoe Isolation Forest- en lokale-dichtheidsmethoden verschillen, en waarom ingezette basislijnen kunnen afwijken.

Gerelateerde gidspadenAnomaliedetectie
Vraag 1 van 8

Waarom worden anomaliedetectiemodellen vaak vooral getraind op 'normale' gegevens in plaats van op gelabelde anomalieën?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Waarom worden anomaliedetectiemodellen vaak vooral getraind op 'normale' gegevens in plaats van op gelabelde anomalieën?
    • Het is illegaal om normale gegevens te labelen
    • Modellen kunnen helemaal geen afwijkingen verwerken
    • Normale gegevens vereisen geen berekening
    • Afwijkingen zijn zeldzaam en gelabelde voorbeelden zijn schaars
  2. Hoe identificeert een isolatiebos een afwijking?
    • Afwijkingen worden in minder willekeurige splitsingen geïsoleerd, waardoor kortere padlengtes ontstaan
    • Anomalieën vereisen veel willekeurige splitsingen om te isoleren
    • Het meet de kleur van elk gegevenspunt
    • Het groepeert eerst punten op basis van hun labels
  3. Wanneer een autoencoder wordt gebruikt voor anomaliedetectie, wat signaleert dan een anomalie?
    • Lage reconstructiefout
    • Hoge reconstructiefout bij onbekende invoer
    • Een snellere trainingstijd
    • Meer lagen in het netwerk
  4. Waar is de Local Outlier Factor-methode voornamelijk op gebaseerd?
    • De alfabetische volgorde van functies
    • De totale bestandsgrootte van de gegevensset
    • De dichtheid van punten rond een bepaald punt
    • Een vaste lijst met bekende fraudegevallen
  5. Wat is een realistische uitdaging voor ingezette anomaliedetectiesystemen?
    • Afwijkingen veranderen nooit in de loop van de tijd
    • Normale gegevens zijn altijd perfect gelabeld
    • Uitschieters vormen altijd de meerderheid van de gegevens
    • De definitie van ‘normaal’ kan afwijken, waardoor aanpassing nodig is
  6. Welke toepassing is een klassiek gebruik van anomaliedetectie?
    • Het detecteren van frauduleuze creditcardtransacties
    • Foto's alfabetisch sorteren
    • Tekst vertalen tussen talen
    • Videobestanden comprimeren
  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