Please enable JavaScript.

Coggle requires JavaScript to display documents.

Detección de anomalías, Valeria Delgado Villarce Valeria Juárez Sánchez …

- - - - Bajo rendimiento del modelo al no proporcionar los suficientes datos para captar la tendencia
      - Causas
        
        Modelo demasiado simple
        
        Falta de datos
        
        Atributos relevantes insuficientes
    - - Bajo rendimiento por entrenar con un número demasiado alto de datos aprendiendo del ruido
      - Causas
        
        Modelo demasiado complejo
        
        Datos con errores o valores atípicos
        
        Tamaño de los datos insuficiente
  - - - Un requisito para que las características individuales no se parecen más o menos a los datos estándar
      - Datos con media cero y varianza unitaria
      - Solo cuando las características tienen rangos diferentes
    - - Dividir entre conjunto de entrenamiento y conjunto de prueba
      - El conjunto debe ser suficientemente grande para generar resultados significativos
      - Los datos deben ser representativos de todo el conjunto
      - El conjunto de prueba debe estar separado de los datos de entrenamiento
- - - - La puntuación de la anomalía de cada muestra se llama Factor Anómalo Local.
    - - La estimación de la densidad para los registros se realiza de manera diferente.
    - - k es una decisión importante para el rendimiento de la
        detección y este aborda esta cuestión utilizando un enfoque de maximización