Detecção de anomalias
Destacar os poucos casos estranhos em meio a muitos normais
O texto completo é apresentado em inglês; o título e o resumo estão traduzidos.
O QUE ESTA CAPACIDADE SIGNIFICA
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.
Como é feita tecnicamente
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.
Produtos representativos
3Organizações relacionadas
Usos típicos
- 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
Como avaliar se funciona bem
- 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
Limites e dificuldades
- 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
Conceitos por trás
Aprendizagem não supervisionada
Sem respostas, a estrutura precisa emergir dos próprios dados — e “bom” tem de ser redefinido
Probabilidade e distribuições
Um modelo nunca entrega uma resposta; entrega um grau de crença sobre cada resposta possível
Avaliação de modelos e validação cruzada
A acurácia é a métrica mais fácil de enganar — erre na avaliação e tudo o mais desmorona