組織サンプルを正常または変異として分類するために、教師なし異常検出を使用する予定です。教師なし異常検出方法の使用をサポートする2つの条件はどれですか？

教師なし異常検出は、主に「正常」なデータが圧倒的に多く、「異常」なデータが非常に少ない場合に有効です。この場合、モデルは正常なデータのパターンを学習し、そこから逸脱するものを異常と見なします。また、将来の異常が既存の異常と類似した特徴を持つと予想される場合も適しています。これにより、モデルは既知の異常のパターンに基づいて新しい異常を識別できます。 「データベース内の正常なサンプルと変異したサンプルの発生がほぼ同じである」場合、異常検出よりも分類問題として扱う方が適切です。 「将来の変異が、データベース内の変異したサンプルとは異なる特徴を持つと予想される」場合、既存の異常パターンからの学習が難しくなります。 「データベース内に、どのサンプルが変異しているか、どのサンプルが正常であるかを示すラベルがすでにある」場合、教師あり学習の手法を用いるべきです。