Anomalideteksjon
Metoder som markerer uvanlige observasjoner sammenlignet med en fastsatt referanse eller et innlært mønster.
Når er en observasjon uvanlig?
Anomalideteksjon markerer observasjoner som avviker uvanlig fra en fastsatt referanse eller et innlært mønster. Hva som regnes som normalt, avhenger av valgte data, egenskaper og metode. Noen tilnærminger søker etter avvikere i eksisterende data; andre vurderer nye observasjoner opp mot et datagrunnlag som regnes som normalt. En markering gir grunn til undersøkelse. Den forklarer ikke årsaken til avviket og dokumenterer ikke i seg selv en feil eller svindel.
I en fiktiv servicebedrift skal et system varsle om en uvanlig økning i registrerte henvendelser. Teamet planlegger tilfeller med faktisk flere kundehenvendelser og med gamle saker som importeres samlet. Vanlige forskjeller mellom ukedager skal også tas med. En ansvarlig person undersøker om det er blitt mer arbeid, eller om registreringen har endret antallet. Dette gir ulike tiltak, for eksempel kapasitetsplanlegging eller retting av analysen. Falske varsler og oversette avvik registreres under forsøket; et høyt antall avgjør ikke i seg selv noen av disse tiltakene.
Kilder
Beslektede begreper
- MaskinlæringModeller lærer mønstre fra data og bruker dem på nye inndata.
- KI-inferensÅ bruke en allerede trent modell på inndata for å få et resultat.
- LLM-evalueringLLM-evaluering tester modellutdata mot definerte oppgaver og kriterier. Ett godt enkelttilfelle dokumenterer ikke generell kvalitet.
- PrognosemodellEn modell som bruker tilgjengelige opplysninger til å anslå en fremtidig størrelse for en fastsatt periode.
- Ikke-veiledet læringEn læringsmetode som søker mønstre i data uten forhåndsbestemte målsvar for den aktuelle treningsoppgaven.
- ModellkortEt modellkort dokumenterer formål, grunnlag, evalueringsbetingelser og kjente begrensninger for en bestemt versjon av en KI-modell.
Artikler om temaet
KI og automatisering med ASES
KI-assistenter og automatiserte prosesser