Bir şirket, sensör çıktısındaki anormallikleri tespit etmek için bir ML çözümü istiyor ancak etiketlenmiş örneklere sahip değil. Bu durumda denetimsiz anomali tespiti için hangi modelleme yaklaşımı uygundur?
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: Autoencoders.
Neden bu cevap
Etiketlenmiş veri olmadığında anomali tespiti için denetimsiz öğrenme yöntemleri gereklidir. Autoencoder'lar, girdiyi sıkıştırıp sonra yeniden yapılandırarak çalışır. Normal veriler için düşük yeniden yapılandırma hatası verirken, anormallikler için yüksek yeniden yapılandırma hatası verirler. Bu nedenle, etiketlenmemiş sensör verilerindeki anormallikleri tespit etmek için idealdir. Linear regression (Doğrusal regresyon) ve Classification (Sınıflandırma) etiketli verilere ihtiyaç duyan denetimli öğrenme yöntemleridir. Decision tree (Karar ağacı) hem denetimli hem de denetimsiz öğrenmede kullanılabilse de, özellikle etiketlenmemiş anomali tespiti için autoencoder'lar kadar etkili değildir.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez