Questionário vinculado ao guia · Médio Nível
Questionário de detecção de anomalias
Avalie por que as anomalias são difíceis de rotular, como os métodos de floresta de isolamento e de densidade local diferem e por que as linhas de base implantadas podem variar.
Pergunta 1 de 8
Por que os modelos de detecção de anomalias são frequentemente treinados principalmente em dados “normais” em vez de anomalias rotuladas?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- Por que os modelos de detecção de anomalias são frequentemente treinados principalmente em dados “normais” em vez de anomalias rotuladas?
- Dados normais são ilegais para rotular
- Os modelos não conseguem processar anomalias
- Dados normais não requerem cálculo
- Anomalias são raras e exemplos rotulados são escassos
- Como uma Floresta de Isolamento identifica uma anomalia?
- As anomalias são isoladas em menos divisões aleatórias, proporcionando comprimentos de caminho mais curtos
- Anomalias requerem muitas divisões aleatórias para isolar
- Ele mede a cor de cada ponto de dados
- Ele agrupa os pontos por seus rótulos primeiro
- Quando um autoencoder é usado para detecção de anomalias, o que sinaliza uma anomalia?
- Baixo erro de reconstrução
- Alto erro de reconstrução em entrada desconhecida
- Um tempo de treinamento mais rápido
- Mais camadas na rede
- Em que se baseia principalmente o método Local Outlier Factor?
- A ordem alfabética dos recursos
- O tamanho total do arquivo do conjunto de dados
- A densidade de pontos em torno de um determinado ponto
- Uma lista fixa de casos de fraude conhecidos
- Qual é um desafio realista para sistemas de detecção de anomalias implantados?
- Anomalias nunca mudam com o tempo
- Os dados normais são sempre perfeitamente rotulados
- Outliers são sempre a maioria dos dados
- A definição de “normal” pode variar, exigindo adaptação
- Qual aplicativo é um uso clássico de detecção de anomalias?
- Detecção de transações fraudulentas com cartão de crédito
- Classificando fotos em ordem alfabética
- Traduzindo texto entre idiomas
- Compactando arquivos de vídeo
- 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
- 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