В
کاریال
د اضطراب کشف په برخو کې کارول کیږي لکه:
1) د تجهیزاتو د خرابیدو وړاندوینه
په دې توګه، په 2010 کې، ایراني سنټرفیوژونه د سټکسنیټ ویروس لخوا برید شوی و، چې تجهیزات یې غیر مطلوب عملیات ته واړول او ځینې تجهیزات یې د ګړندي اغوستلو له امله غیر فعال کړل.
که په تجهیزاتو کې د بې نظمۍ کشف الګوریتمونه کارول شوي وي ، د ناکامۍ وضعیت مخنیوی کیدی شي.
د تجهیزاتو په عملیاتو کې د ګډوډۍ لټون نه یوازې په اټومي صنعت کې کارول کیږي ، بلکه په فلزاتو او د الوتکو توربینونو عملیاتو کې هم کارول کیږي. او په نورو برخو کې چیرې چې د وړاندوینې تشخیص کارول د احتمالي زیانونو په پرتله ارزانه دي د غیر متوقع ماتیدو له امله.
2) د درغلیو وړاندوینه
که چیرې پیسې د هغه کارت څخه ویستل کیږي چې تاسو یې په البانیا کې په پوډولسک کې کاروئ، نو معاملې باید نوره هم وڅیړل شي.
3) د غیر معمولي مصرف کونکي نمونو پیژندنه
که چیرې ځینې پیرودونکي غیر معمولي چلند ښکاره کړي، ممکن یوه ستونزه وي چې تاسو یې خبر نه یاست.
4) د غیر معمولي غوښتنې او بار پیژندنه
که چیرې د FMCG پلورنځي کې پلور د وړاندوینې د باور وقفې څخه ښکته راوتلی وي ، نو دا د څه پیښیدو لامل موندلو ارزښت لري.
د ګډوډۍ پیژندلو لپاره لارې چارې
1) د یو ټولګي یو کلاس SVM سره د ویکتور ماشین ملاتړ وکړئ
مناسب دی کله چې د روزنې سیټ کې ډاټا نورمال توزیع تعقیب کړي ، مګر د ازموینې سیټ ګډوډي لري.
د یو ټولګي ملاتړ ویکتور ماشین د اصلي شاوخوا شاوخوا غیر خطي سطحه جوړوي. دا ممکنه ده چې د کټ آف حد وټاکئ د کوم لپاره چې ډاټا غیر معمولي ګڼل کیږي.
زموږ د DATA4 ټیم د تجربې پراساس، یو-کلاس SVM د بې نظمۍ موندلو ستونزې حل کولو لپاره ترټولو عام کارول شوی الګوریتم دی.
2) د ځنګل د جلا کولو طریقه
د ونو د جوړولو د "تصادفي" طریقې سره، اخراج به په لومړیو مرحلو کې پاڼو ته ننوځي (د ونې په ټیټ ژور کې)، د بیلګې په توګه. اخراج د "جزا کولو" لپاره اسانه دي. د غیر معمولي ارزښتونو جلا کول د الګوریتم په لومړیو تکرارونو کې پیښیږي.
3) Elliptic لفافه او احصایوي میتودونه
کارول کیږي کله چې ډاټا په نورمال ډول توزیع کیږي. هرڅومره چې اندازه کول د توزیع د مخلوط پای ته نږدې وي ، نو ارزښت یې خورا غیر معمولي وي.
نور احصایوي میتودونه هم په دې ټولګي کې شامل کیدی شي.
انځور له dyakonov.org څخه
4) میټریک میتودونه
په میتودونو کې الګوریتمونه شامل دي لکه k-نږدې ګاونډیان، k-نږدې ګاونډیان، ABOD (د زاویه پر بنسټ بهرنی کشف) یا LOF (سیمه ایز بهرنی فکتور).
مناسب که چیرې په ځانګړتیاو کې د ارزښتونو تر مینځ فاصله مساوي یا نورمال وي (د دې لپاره چې په طوطیو کې د بوا کنسټرکټور اندازه نشي).
k-نږدې ګاونډیان الګوریتم داسې انګیري چې نورمال ارزښتونه د څو اړخیز ځای په یوه ټاکلې سیمه کې موقعیت لري، او د ګډوډۍ واټن به د جلا کولو هایپرپلین څخه ډیر وي.
5) د کلستر میتودونه
د کلستر میتودونو جوهر دا دی چې که یو ارزښت د کلستر مرکزونو څخه د یوې ټاکلې اندازې څخه ډیر وي، نو ارزښت غیر معمولي ګڼل کیدی شي.
اصلي شی د الګوریتم کارول دي چې په سمه توګه ډاټا کلستر کوي، کوم چې په ځانګړي دنده پورې اړه لري.
6) د اصلي برخې میتود
مناسب چیرې چې د خپریدو ترټولو لوی بدلون لارښوونې په ګوته شوي.
7) د وخت لړۍ وړاندوینې پراساس الګوریتمونه
مفکوره دا ده چې که یو ارزښت د وړاندوینې باور وقفې څخه بهر راشي، ارزښت غیر معمولي ګڼل کیږي. د وخت سلسلې وړاندوینې لپاره، الګوریتمونه لکه درې ګونی اسانتیا، S (ARIMA)، وده کول، او داسې نور کارول کیږي.
د وخت لړۍ وړاندوینې الګوریتمونه په تیرو مقاله کې بحث شوي.
8) څارل شوي زده کړه (رجعت، طبقه بندي)
که چیرې ډاټا اجازه ورکړي، موږ الګوریتمونه کاروو چې له خطي ریګریشن څخه تر تکراري شبکو پورې دي. راځئ چې د وړاندوینې او حقیقي ارزښت تر منځ توپیر اندازه کړو، او دې پایلې ته ورسوو چې ډاټا د نورم څخه څومره انحراف کوي. دا مهمه ده چې الګوریتم د کافي عمومي کولو وړتیا ولري او د روزنې سیټ غیر معمولي ارزښتونه نلري.
9) ماډل ازموینې
راځئ چې د سپارښتنو په لټه کې د ستونزې په توګه د انډولونو لټون کولو ستونزې ته ورسیږو. راځئ چې د SVD یا فکتوریزیشن ماشینونو په کارولو سره زموږ د فیچر میټریکس تخریب کړو او په نوي میټریکس کې ارزښتونه واخلو چې د اصلي څخه د پام وړ توپیر لري د غیر معمولي په توګه.
انځور له dyakonov.org څخه
پایلې
په دې مقاله کې، موږ د بې نظمۍ موندلو اصلي طریقې بیاکتنه وکړه.
د ګډوډۍ موندل په ډیری لارو کې هنر بلل کیدی شي. هیڅ مثالی الګوریتم یا طریقه شتون نلري، چې کارول یې ټولې ستونزې حل کوي. ډیری وختونه د یوې ځانګړې قضیې حل کولو لپاره د میتودونو سیټ کارول کیږي. د بې نظمۍ کشف د یو ټولګي ملاتړ ویکتور ماشینونو په کارولو سره ترسره کیږي ، د ځنګلونو جلا کول ، میټریک او کلستر میتودونه ، او همدارنګه د اصلي اجزاو او د وخت لړۍ وړاندوینې په کارولو سره.
که تاسو نورې لارې پیژنئ، د مقالې په نظرونو کې د دوی په اړه ولیکئ.
سرچینه: www.habr.com