Howtosignalprocessing
- Laquelle de l'application peut être utilisée pour la détection d'anomalies?
- Quelles sont les caractéristiques de la détection des anomalies?
- Comment activer la détection des anomalies?
- Quels sont les types de données de détection d'anomalies?
Laquelle de l'application peut être utilisée pour la détection d'anomalies?
PYOD est une bibliothèque Python open source développée spécifiquement pour la détection d'anomalies. Scikit-Learn est une bibliothèque Python open source qui a construit des fonctionnalités pour fournir une détection d'anomalies non supervisée.
Quelles sont les caractéristiques de la détection des anomalies?
La détection des anomalies fait référence au problème de la recherche de modèles dans les données qui ne sont pas conformes au comportement attendu. Ces modèles non conformes sont souvent appelés anomalies, valeurs aberrantes, observations discordantes, exceptions, aberrations, surprises, particularités ou contaminants dans différents domaines d'application [2].
Comment activer la détection des anomalies?
Vous pouvez activer la détection des anomalies en sélectionnant le graphique et en ajoutant l'option «Find Anomalies» dans le volet Analytics. Par exemple, regardons ce graphique montrant des revenus dans le temps. L'ajout de détection d'anomalies enrichit automatiquement le graphique avec des anomalies et la plage attendue de valeurs.
Quels sont les types de données de détection d'anomalies?
Il existe trois classes principales de techniques de détection d'anomalies: non supervisée, semi-supervisée et supervisée. Essentiellement, la méthode de détection d'anomalie correcte dépend des étiquettes disponibles dans l'ensemble de données.
