Вікторина, пов’язана з посібником · Середній Рівень

Тест на виявлення аномалій

Оцініть, чому аномалії важко позначити, чим відрізняються методи Isolation Forest і метод локальної щільності та чому розгорнуті базові лінії можуть дрейфувати.

Пов'язані напрямні шляхиВиявлення аномалії
Питання 1 з 8

Чому моделі виявлення аномалій часто навчаються здебільшого на «нормальних» даних, а не на позначених аномаліях?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Чому моделі виявлення аномалій часто навчаються здебільшого на «нормальних» даних, а не на позначених аномаліях?
    • Звичайні дані заборонено позначати
    • Моделі взагалі не можуть обробляти аномалії
    • Звичайні дані не потребують обчислень
    • Аномалії рідкісні, а позначені приклади нечисленні
  2. Як ізольований ліс визначає аномалію?
    • Аномалії ізольовано в меншій кількості випадкових розбивок, що дає меншу довжину шляху
    • Для виділення аномалій потрібно багато випадкових поділів
    • Він вимірює колір кожної точки даних
    • Спочатку він групує точки за їхніми мітками
  3. Коли для виявлення аномалії використовується автокодер, що сигналізує про аномалію?
    • Низька похибка реконструкції
    • Висока помилка реконструкції при незнайомому введенні
    • Швидший час навчання
    • Більше шарів у мережі
  4. На чому в першу чергу ґрунтується метод локального викиду?
    • Алфавітний порядок ознак
    • Загальний розмір файлу набору даних
    • Щільність точок навколо даної точки
    • Фіксований список відомих випадків шахрайства
  5. Що є реалістичним викликом для розгорнутих систем виявлення аномалій?
    • Аномалії ніколи не змінюються з часом
    • Нормальні дані завжди ідеально позначені
    • Викиди – це завжди більшість даних
    • Визначення «нормального» може змінюватися, вимагаючи адаптації
  6. Яка програма є класичним використанням виявлення аномалій?
    • Виявлення шахрайських операцій з кредитними картками
    • Сортування фотографій за алфавітом
    • Переклад тексту між мовами
    • Стиснення відеофайлів
  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