Was hat Sie zu dieser Wunschlistenanfrage inspiriert?
Derzeit sind Techniken zur Erkennung von Ausreißern in verschiedenen Menüs verfügbar:
- Einige Techniken zur Erkennung von univariaten und multivariaten Ausreißern sind unter „Screening“ -> „Explore Outliers“ verfügbar.
- Einige multivariate Techniken sind unter „Multivariate Methoden“ -> „Multivariat“ verfügbar und unterscheiden sich von den anderen Erkennungstechniken der Screening-Plattformen.
Schließlich sind einige Techniken oder Modelle, die in der Literatur verwendet werden (Isolation Tree/Forest, One-Class SVM, k-Nearest Neigbors...) nicht direkt in JMP verfügbar.
Welche Verbesserung wünschen Sie sich?
Der Idee der Python-Bibliothek pyOD folgend ( pyod 1.0.7-Dokumentation ).
- Wenn eine Antwort im Datensatz vorhanden ist und im Dialogfeld "Y, Spalte" verwendet wird, werden die verwendeten Schwerpunkte und Techniken überwacht (halb- oder vollständig überwacht). Wenn im Dialogmenü "Y, Spalte" keine Antwort hinzugefügt wird, könnten die verwendeten Techniken unüberwacht sein.
- So wie die „Model Screening“-Plattform mehrere Modelle auf Auto-ML-Weise vorschlägt, wäre es großartig, wenn der JMP-Benutzer alle, mehrere oder nur eine Methode unter den vorgeschlagenen auswählen könnte. Um dem Benutzer zu helfen, die verschiedenen Techniken besser sichtbar zu machen, könnte es vielleicht hilfreich sein, einige Techniken hinter Gruppen zu gruppieren, wie es für die Art der Anomalie mehrere Gruppen von Methoden für lokale, globale, Abhängigkeits- und geclusterte Arten von Anomalien geben könnte . Unter jeder Gruppe kann der Benutzer jede der Techniken auswählen oder abwählen, um mehr Freiheit und Flexibilität zu haben.
- Schließlich, wenn die verschiedenen Techniken zur Erkennung von Ausreißern verwendet werden, könnte es großartig sein, Ergebnisse in einer "Makro"- und "Mikro"-Ansicht zu haben:
- „Mikro“-Ansicht : Für jede Erkennungstechnik wissen, welche Punkte als Ausreißer erkannt wurden, um die Techniken zu vergleichen und die Übereinstimmungen/Nichtübereinstimmungen zwischen den Methoden zu sehen,
- „Makro“-Ansicht: Für das Ensemble von Erkennungstechniken könnte es statt „harter Abstimmung“ oder binären Ergebnissen wie „Ausreißer vs. normal“ großartig sein, stattdessen einen kontinuierlichen „Anomalie-Score“ aus der Zusammenstellung der verschiedenen Modelle zu haben (von 0: nie als Ausreißer erkannt bei allen gewählten Techniken auf 1: immer als Ausreißer erkannt), um es transformiert (evtl. in einer "reziproken" Transformation: 1/Anomalie-Score) in anderen Modellierungsplattformen als "Häufigkeit" zu verwenden oder Variable „Gewicht“, um „gewichtete Modelle“ zu erstellen, die Ausreißer berücksichtigen, aber deren Bedeutung reduzieren.
Warum ist diese Idee wichtig?
Zwei Punkte begründen diese Bitte:
- Die Vereinheitlichung und Gruppierung der verschiedenen Techniken zur Erkennung von Ausreißern in einer einzigen Plattform könnte dem Benutzer helfen, sich der verschiedenen vorgeschlagenen Techniken bewusst zu werden.
- Es könnte ein guter Ausgangspunkt sein, um neue Modelle zur JMP-Plattform hinzuzufügen, die sich auf diesen Aspekt der Ausreißererkennung konzentrieren.
