Qu'est-ce qui a inspiré cette demande de liste de souhaits ?
Actuellement, les techniques de détection des valeurs aberrantes sont disponibles dans différents menus :
- Certaines techniques de détection de valeurs aberrantes univariées et multivariées sont disponibles dans "Screening" -> "Explore Outliers",
- Certaines techniques multivariées sont disponibles dans "Méthodes multivariées" -> "Multivariées" et différentes des autres techniques de détection des plateformes de dépistage.
Enfin, certaines techniques ou modèles utilisés dans la littérature (Isolation Tree/Forest, One-Class SVM, k-Nearest Neigbors...) ne sont pas directement disponibles dans JMP.
Quelle est l'amélioration que vous aimeriez voir?
Suivant l'idée de la bibliothèque Python pyOD ( documentation pyod 1.0.7 ) et d'autres librairies/packages, il serait bien de n'avoir qu'un seul menu JMP dédié à la détection des valeurs aberrantes, utilisant plusieurs méthodes combinées comme dans la plateforme "Model Screening", où plusieurs options seraient disponibles :
- Si une réponse est présente dans l'ensemble de données et utilisée dans la boîte de dialogue "Y, colonne", l'emphase et les techniques utilisées seraient supervisées (semi ou entièrement supervisées). Si aucune réponse n'est ajoutée dans le menu de la boîte de dialogue "Y, colonne", les techniques utilisées pourraient ne pas être supervisées.
- De la même manière que la plateforme "Model Screening" propose plusieurs modèles de manière auto-ML, ce serait formidable si l'utilisateur de JMP pouvait choisir toutes, plusieurs ou une seule méthode parmi celles proposées. Afin d'aider l'utilisateur à avoir plus de visibilité sur les différentes techniques, il pourrait être utile de regrouper certaines techniques derrière un groupe, comme pour le type d'anomalie, il pourrait y avoir plusieurs groupes de méthodes pour les types d'anomalies locales, globales, dépendantes et groupées. . Sous chaque groupe, l'utilisateur peut sélectionner ou désélectionner l'une des techniques, pour avoir plus de liberté et de flexibilité.
- Enfin, lorsque les différentes techniques de détection des valeurs aberrantes sont utilisées, il peut être intéressant d'avoir des résultats dans une vue "macro" et "micro" :
- Vue "micro" : Pour chaque technique de détection, pouvoir savoir quels points ont été détectés comme aberrants, afin de comparer les techniques et voir les accords/désaccords entre les méthodes,
- Vue "Macro" : Pour l'ensemble des techniques de détection, au lieu d'un "vote dur" ou d'un résultat binaire comme outlier vs. normal, il pourrait être intéressant d'avoir à la place un "score d'anomalie" continu à partir de l'assemblage des différents modèles (allant de 0 : jamais détecté comme aberrant avec toutes les techniques sélectionnées à 1 : toujours détecté comme aberrant), afin de l'utiliser de manière transformée (peut-être dans une transformation "réciproque" : 1/score d'anomalie) dans d'autres plateformes de modélisation en tant que "Fréquence" ou Variable "Poids", afin de créer des "modèles pondérés" qui prennent en compte les valeurs aberrantes, mais en réduisent l'importance.
Pourquoi cette idée est-elle importante ?
Deux points motivent cette demande :
- Unifier et regrouper les différentes techniques de détection des valeurs aberrantes dans une seule plateforme pourrait aider l'utilisateur à prendre connaissance des différentes techniques proposées,
- Cela pourrait être un excellent point de départ pour ajouter de nouveaux modèles à la plate-forme JMP axés sur cet aspect de détection des valeurs aberrantes.
