Een ML-engineer gebruikt Amazon QuickSight anomaliedetectie om zeer hoge of zeer lage bedrijfstemperaturen van machines te markeren in vergelijking met normaal. De ernst is ingesteld op "Laag en hoger" en de richting is ingesteld op "Alles". Als de engineer de richting wijzigt naar "Lager dan verwacht", welk effect zal dan worden waargenomen in de resultaten van de anomaliedetectie?

Wanneer de richting van anomaliedetectie wordt gewijzigd van "Alles" naar "Lager dan verwacht", zal QuickSight alleen afwijkingen rapporteren die significant lager zijn dan het verwachte bereik. Dit betekent dat afwijkingen die hoger zijn dan verwacht, niet langer worden gemarkeerd. Hierdoor zullen er minder anomalieën worden geïdentificeerd in de resultaten. De recall, die het percentage van alle relevante anomalieën meet dat correct is geïdentificeerd, zal afnemen omdat een deel van de oorspronkelijke (hogere) anomalieën nu niet meer wordt gedetecteerd. Opties die suggereren dat anomalieën vaker worden geïdentificeerd of dat de recall toeneemt, zijn onjuist, omdat de detectiecriteria strenger worden en zich richten op een specifiek type afwijking.