Компания электронной коммерции имеет неразмеченные исторические данные о транзакциях в формате CSV в S3 и должна обнаруживать аномальные транзакции (мошенничество). Какую комбинацию моделей следует использовать для обнаружения аномалий в этом неразмеченном наборе данных? (Выберите два варианта.)

Для обнаружения аномалий в неразмеченных данных подходят алгоритмы без учителя. Random Cut Forest (RCF) — это алгоритм без учителя, который эффективно обнаруживает аномальные точки данных (выбросы) в наборах данных, что идеально подходит для выявления мошеннических транзакций. IP Insights также является алгоритмом без учителя, который обнаруживает подозрительные IP-адреса и шаблоны доступа, что полезно для выявления аномалий, связанных с местоположением или поведением источника транзакции. K-nearest neighbors (k-NN) может использоваться для обнаружения аномалий, но чаще применяется в задачах классификации или регрессии. Linear Learner с логистической функцией и XGBoost — это алгоритмы с учителем, требующие размеченных данных (т.е. заранее известных примеров мошенничества и немошенничества), которых нет в данном сценарии.