비지도 이상 감지(unsupervised anomaly detection)를 사용하여 조직 샘플을 정상 또는 돌연변이로 분류하려고 합니다. 비지도 이상 감지 방법을 사용하는 것을 뒷받침하는 두 가지 조건은 무엇입요?

비지도 이상 감지는 레이블이 없는 데이터에서 정상 패턴과 다른 이상치를 식별하는 데 사용됩니다. 첫 번째 조건인 '정상 샘플에 비해 돌연변이 발생이 매우 적습니다'는 이상 감지 시나리오의 핵심입니다. 이상치는 데이터셋에서 소수의 비정상적인 관측치이므로, 이 조건은 비지도 이상 감지 방법이 효과적으로 작동하는 데 필수적입니다. 두 번째 조건인 '향후 돌연변이가 데이터베이스의 돌연변이 샘플과 유사한 특징을 가질 것으로 예상됩니다'는 모델이 학습한 이상치 패턴을 기반으로 새로운 이상치를 탐지할 수 있음을 의미합니다. '데이터베이스에 정상 샘플과 돌연변이 샘플이 거의 동일하게 존재합니다'는 비지도 이상 감지보다는 지도 학습에 더 적합한 시나리오입니다. '향후 돌연변이가 데이터베이스의 돌연변이 샘플과 다른 특징을 가질 것으로 예상됩니다'는 모델이 학습한 패턴으로 새로운 이상치를 탐지하기 어렵게 만듭니다. '데이터베이스에 어떤 샘플이 돌연변이이고 어떤 샘플이 정상인지에 대한 레이블이 이미 있습니다'는 지도 학습 분류 문제에 해당하며, 비지도 이상 감지에는 적합하지 않습니다.