🔺Как можно интегрировать экспертные знания в методы обнаружения аномалий на основе плотности
Хотя методы, основанные на оценке плотности, чаще всего являются полностью безнадзорными, в реальных задачах часто доступна частичная информация от экспертов. Это могут быть:
1️⃣известные валидные диапазоны значений (например, «датчик не может показывать ниже 0»), 2️⃣примеры аномалий или нормальных состояний, собранные вручную, 3️⃣логические правила или бизнес-ограничения.
🚩Как использовать эту информацию
1. Полунадзорная плотностная оценка — Задать «якорные» точки: явно указать, какие объекты точно нормальные, а какие — аномальные. Это влияет на локальные оценки плотности вокруг них.
2. Постобработка результатов модели — После работы алгоритма можно применять экспертные правила для фильтрации или повторной оценки найденных аномалий. Например, игнорировать точки, попавшие в известные допустимые диапазоны, даже если модель посчитала их подозрительными.
3. Обогащение признаков — Добавить признаки, отражающие экспертные соображения (например, флаги «значение превышает допустимый уровень»), которые помогут алгоритму выявлять аномалии более осознанно.
🔺Как можно интегрировать экспертные знания в методы обнаружения аномалий на основе плотности
Хотя методы, основанные на оценке плотности, чаще всего являются полностью безнадзорными, в реальных задачах часто доступна частичная информация от экспертов. Это могут быть:
1️⃣известные валидные диапазоны значений (например, «датчик не может показывать ниже 0»), 2️⃣примеры аномалий или нормальных состояний, собранные вручную, 3️⃣логические правила или бизнес-ограничения.
🚩Как использовать эту информацию
1. Полунадзорная плотностная оценка — Задать «якорные» точки: явно указать, какие объекты точно нормальные, а какие — аномальные. Это влияет на локальные оценки плотности вокруг них.
2. Постобработка результатов модели — После работы алгоритма можно применять экспертные правила для фильтрации или повторной оценки найденных аномалий. Например, игнорировать точки, попавшие в известные допустимые диапазоны, даже если модель посчитала их подозрительными.
3. Обогащение признаков — Добавить признаки, отражающие экспертные соображения (например, флаги «значение превышает допустимый уровень»), которые помогут алгоритму выявлять аномалии более осознанно.
The campaign, which security firm Check Point has named Rampant Kitten, comprises two main components, one for Windows and the other for Android. Rampant Kitten’s objective is to steal Telegram messages, passwords, and two-factor authentication codes sent by SMS and then also take screenshots and record sounds within earshot of an infected phone, the researchers said in a post published on Friday.
Start with a fresh view of investing strategy. The combination of risks and fads this quarter looks to be topping. That means the future is ready to move in.Likely, there will not be a wholesale shift. Company actions will aim to benefit from economic growth, inflationary pressures and a return of market-determined interest rates. In turn, all of that should drive the stock market and investment returns higher.
Библиотека собеса по Data Science | вопросы с собеседований from ua
