Bài kiểm tra phát hiện bất thường

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. Tại sao các mô hình phát hiện bất thường thường được đào tạo chủ yếu dựa trên dữ liệu 'bình thường' thay vì các điểm bất thường được dán nhãn?
   • Dữ liệu bình thường là bất hợp pháp để dán nhãn
   • Các mô hình hoàn toàn không thể xử lý các điểm bất thường
   • Dữ liệu bình thường không cần tính toán
   • Sự bất thường rất hiếm và các ví dụ được dán nhãn rất hiếm
2. Rừng Cách ly xác định điểm bất thường như thế nào?
   • Các điểm bất thường được phân tách theo số lần phân chia ngẫu nhiên ít hơn, mang lại độ dài đường dẫn ngắn hơn
   • Các dị thường cần nhiều sự phân chia ngẫu nhiên để cô lập
   • Nó đo màu của từng điểm dữ liệu
   • Nó tập hợp các điểm theo nhãn của chúng trước tiên
3. Khi bộ mã hóa tự động được sử dụng để phát hiện điểm bất thường, điều gì báo hiệu sự bất thường?
   • Lỗi tái thiết thấp
   • Lỗi tái thiết cao trên đầu vào không quen thuộc
   • Thời gian tập luyện nhanh hơn
   • Nhiều lớp hơn trong mạng
4. Phương pháp Yếu tố ngoại lệ cục bộ chủ yếu dựa vào điều gì?
   • Thứ tự chữ cái của các tính năng
   • Tổng kích thước tệp của tập dữ liệu
   • Mật độ các điểm xung quanh một điểm nhất định
   • Một danh sách cố định các trường hợp gian lận đã biết
5. Đâu là thách thức thực tế đối với các hệ thống phát hiện bất thường được triển khai?
   • Sự bất thường không bao giờ thay đổi theo thời gian
   • Dữ liệu bình thường luôn được dán nhãn hoàn hảo
   • Các ngoại lệ luôn chiếm phần lớn dữ liệu
   • Định nghĩa 'bình thường' có thể trôi đi, cần có sự điều chỉnh
6. Ứng dụng nào là ứng dụng cổ điển của tính năng phát hiện sự bất thường?
   • Phát hiện giao dịch thẻ tín dụng gian lận
   • Sắp xếp ảnh theo thứ tự bảng chữ cái
   • Dịch văn bản giữa các ngôn ngữ
   • Nén tập tin 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