Anomalieerkennung

Wann ist eine Beobachtung auffällig?

Anomalieerkennung kennzeichnet Beobachtungen, die von einer festgelegten Referenz oder einem erlernten Muster ungewöhnlich abweichen. Was als normal gilt, hängt von den ausgewählten Daten, Merkmalen und dem Verfahren ab. Einige Ansätze suchen Ausreißer in vorhandenen Daten; andere prüfen neue Beobachtungen anhand einer als normal betrachteten Datenbasis. Eine Kennzeichnung liefert einen Anlass zur Untersuchung. Sie erklärt die Ursache der Abweichung nicht und belegt für sich allein keinen Fehler oder Betrug.

In einem erfundenen Servicebetrieb soll ein System auf einen ungewöhnlichen Anstieg erfasster Anfragen hinweisen. Das Team plant Fälle mit tatsächlich zusätzlichen Kundenanfragen und mit alten Vorgängen, die gesammelt importiert wurden. Außerdem sollen übliche Unterschiede zwischen Wochentagen berücksichtigt werden. Eine zuständige Person prüft, ob mehr Arbeit entstanden ist oder die Erfassung die Zahl verändert hat. Daraus folgen unterschiedliche Maßnahmen, etwa Kapazitätsplanung oder Korrektur der Auswertung. Für den Versuch werden falsche Warnungen und übersehene Auffälligkeiten festgehalten; ein hoher Zählwert allein bestimmt noch keine dieser Maßnahmen.

Quellen

• scikit-learn · Novelty and Outlier Detection