Викторина, связанная с руководством · Средний Уровень
Тест на локальный фактор выбросов
Интерпретируйте LOF как коэффициент локальной плотности и отличайте его от глобального расстояния, включая выбор соседнего масштаба и новизны.
Вопрос 1 из 8
О чем говорит показатель LOF, существенно превышающий единицу?
Предварительный просмотр каждого вопроса8 вопросы
Ответы и пояснения появляются по мере прохождения теста.
- О чем говорит показатель LOF, существенно превышающий единицу?
- Точка менее плотная, чем ее локальные соседи.
- Точка такая же плотная, как и ее локальные соседи.
- Он находится далеко от глобального центра, даже если его окрестности плотные.
- Оценка представляет собой калиброванную вероятность аномалии.
- Почему удаленная точка может получить обычный балл LOF?
- LOF игнорирует всю информацию о соседях
- Он может принадлежать к отдельной плотной подгруппе с аналогичной локальной плотностью.
- Расстояние всегда установлено на ноль за пределами основного облака.
- LOF измеряет только глобальное среднее значение
- Что вообще меняет увеличение количества соседей?
- Количество функций, используемых в коэффициенте плотности
- Соглашение о знаках возвращаемого результата
- Масштаб, в котором сравнивается локальная плотность
- Метод глобальной кластеризации, использовавшийся до LOF
- Почему масштабирование функций имеет значение для LOF?
- Он превращает локальную плотность в параметр Гаусса.
- Это гарантирует, что каждая функция вносит одинаковый вклад без предварительной обработки.
- Он меняет количество соседей на метку класса.
- Расстояния до ближайших соседей зависят от единиц объекта.
- Чем обнаружение новизны отличается от обнаружения выбросов по подобранной выборке?
- Требуются метки для каждой обучающей выборки.
- Он оценивает новые наблюдения по сравнению с эталонным соответствием.
- Он переобучает новую плотность для каждого запроса.
- Он сообщает только о глобальных средствах кластера.
- Чего, согласно документации, следует избегать пользователям в режиме новизны scikit-learn?
- Проверка количества соседей
- Масштабирование числовых предикторов
- Использование методов оценки новизны на обучающем наборе
- Выявление новых нераскрытых дел
- Какая закономерность указывает на локальную, а не на глобальную концепцию аномалии?
- Расстояние от глобального центра велико, даже если локальная плотность высока.
- Наблюдению присвоен ярлык редкой категории.
- Глобальный кластер содержит мало наблюдений
- Плотность низкая по сравнению с близлежащими точками.
- Зачем проверять соглашение о знаках оценки LOF API?
- Библиотеки могут инвертировать оценки, чтобы более сильные выбросы имели более низкие числовые значения.
- Знак определяет количество соседей.
- Оценки LOF всегда являются вероятностями.
- Направление оценки идентично в каждой реализации.