Un ingeniero de ML utiliza la detección de anomalías de Amazon QuickSight para marcar temperaturas de funcionamiento de la máquina muy altas o muy bajas en comparación con lo normal. La severidad se establece en "Baja y superior" y la dirección se establece en "Todas". Si el ingeniero cambia la dirección a "Inferior a lo esperado", ¿qué efecto se observará en los resultados de la detección de anomalías?

Al cambiar la dirección de "Todas" a "Inferior a lo esperado", el modelo de detección de anomalías de Amazon QuickSight solo buscará desviaciones que sean significativamente más bajas que el comportamiento esperado. Esto significa que las temperaturas de funcionamiento de la máquina que son "muy altas" ya no se considerarán anomalías. Como resultado, se identificarán menos anomalías en general porque el criterio de detección se ha vuelto más restrictivo. La recuperación (recall), que mide la proporción de anomalías reales que se identifican correctamente, disminuirá porque el sistema ya no detectará las anomalías de temperatura alta que antes sí detectaba.