Выбор ответа Senior Кластеризация и снижение размерности обновлено
Isolation Forest
Вопрос
На чём основан Isolation Forest для поиска аномалий?
Попробуйте сами
Выберите вариант, и откроется разбор.
Показать ответ и разбор
Коротко
Правильный ответ: Аномалии легче изолировать случайными разбиениями: глубина их листа в среднем меньше. Строятся деревья со случайными признаками и порогами.
Варианты ответа
- Аномалии лежат далеко от ближайшего центра k-means, и скор равен этому расстоянию
- Аномалии легче изолировать случайными разбиениями: глубина их листа в среднем меньшеправильный ответ
- Аномалии получают наибольший вес в бустинге, потому что на них больше всего ошибок
- Аномалии это объекты с пропусками: деревья не могут их разделить и выносят в отдельный лист
Разбор
Строятся деревья со случайными признаками и порогами. Редкая точка, отличающаяся от массы, отделяется за несколько разбиений, а типичная за много. Скор аномальности считается по средней длине пути. Метод быстрый и не требует меток, но плохо видит аномалии, которые выделяются только сочетанием многих признаков.
- Расстояние до центров это другой подход, менее устойчивый.
- К бустингу отношения не имеет.
- Пропуски не делают объект аномалией.
Ответьте сами, а не прочитайте
В тренажёре вопрос попадёт в повторения и вернётся, когда начнёт забываться. Плюс билеты с зачётом: 20 вопросов, не больше 2 ошибок.
Термины по теме
Ещё по теме «Кластеризация и снижение размерности»
- k-means на списках
- Средний силуэт
- Особенность DBSCAN
- Методы снижения размерности
- Один шаг k-means
- Гауссова смесь (GMM)
- Иерархическая кластеризация
- Где k-means ошибается