كشف الشواذ
تمييز الحالات الشاذة القليلة بين بيانات طبيعية كثيرة
يُعرض النص الكامل باللغة الإنجليزية؛ وقد تمت ترجمة العنوان والملخص.
ما الذي تعنيه هذه القدرة
Takes data records or time series and outputs how far each deviates from the norm, or a flag. It usually works with few or no labelled anomalies, modelling what normal looks like and calling deviations anomalous. Unlike text classification the anomaly classes are not fixed, and in training you often do not know what an anomaly looks like at all.
كيف تُنفَّذ تقنيًا
Unsupervised routes model normal data: autoencoders flag large reconstruction errors, isolation forests treat easily isolated points as anomalous, and statistical methods fit a distribution and score low-probability points. Time series often use a predictive framing, taking the residual between actual and forecast values as the score. With a few labels, semi-supervised or contrastive learning takes over, and cost-sensitive thresholds balance misses against false alarms.
منتجات تمثيلية
3المؤسسات ذات الصلة
الاستخدامات الشائعة
- Early warning for equipment and production-line faults
- Spotting oddity in transactions and money laundering
- Intrusion and abnormal-traffic monitoring
- Quality sampling and data-entry error catching
كيف يُقاس مدى جودتها
- AUROC
- Threshold-free ranking quality, usable on heavily imbalanced data
- PR-AUC
- More informative than AUROC when anomalies are extremely rare
- Detection delay
- Time from onset to alert, key in real-time settings
الحدود والصعوبات
- With so few anomalies a small threshold change spikes false alarms, and operators quickly go numb to them
- Concept drift marks normal behaviour as anomalous, and seasonality or business change demands continual recalibration
- In high dimensions with correlated features distance-based measures break down, diluting the gaps between normal points
المفاهيم الكامنة وراءها
التعلّم بدون إشراف
في غياب الأجوبة، ينبغي أن تنبع البنيةُ من البيانات نفسها — ويجب إعادة تعريف معنى «الجيد»
الاحتمال والتوزيعات الاحتمالية
لا يقدّم النموذج «جوابًا»، بل درجة ثقة لكل جواب ممكن
تقييم النموذج والتحقق المتقاطع
الدقة هي أسهل مقياس يخدعك — وإن أخطأت في التقييم سقط كل ما بعده