이 위시리스트 요청에 영감을 준 것은 무엇입니까?
현재 이상값 감지 기술은 다양한 메뉴에서 사용할 수 있습니다.
- 일부 일변량 및 다변량 이상값 감지 기술은 "선별" -> "이상값 탐색"에서 사용할 수 있습니다.
- 일부 다변량 기술은 "다변량 방법" -> "다변량"에서 사용할 수 있으며 스크리닝 플랫폼의 다른 탐지 기술과 다릅니다.
마지막으로 문헌에서 사용되는 일부 기술 또는 모델(격리 트리/포레스트, 단일 클래스 SVM, k-최근접 이웃...)은 JMP에서 직접 사용할 수 없습니다.
당신이 보고 싶은 개선점은 무엇입니까?
Python 라이브러리 pyOD( pyod 1.0.7 문서 ) 및 기타 라이브러리/패키지의 경우 "모델 스크리닝" 플랫폼에서와 같이 여러 옵션을 사용할 수 있는 여러 가지 방법을 결합하여 이상치 감지 전용 JMP 메뉴를 하나만 갖는 것이 좋습니다.
- 응답이 데이터 세트에 있고 "Y, 열" 대화 상자에서 사용되는 경우 사용된 강조 및 기술이 감독됩니다(반 감독 또는 전체 감독). "Y, 열" 대화 상자 메뉴에 응답이 추가되지 않으면 사용된 기술이 감독되지 않은 것일 수 있습니다.
- "모델 스크리닝" 플랫폼이 자동 ML 방식으로 여러 모델을 제안하듯이, JMP 사용자가 제안된 방법 중 모두 또는 여러 개 또는 하나만 선택할 수 있다면 좋을 것입니다. 사용자가 다양한 기술에 대해 더 많은 가시성을 갖도록 돕기 위해 그룹 뒤에 몇 가지 기술을 그룹화하는 것이 도움이 될 수 있습니다. 예를 들어 이상 유형의 경우 로컬, 글로벌, 종속성 및 클러스터된 이상 유형에 대한 여러 방법 그룹이 있을 수 있습니다. . 각 그룹에서 사용자는 더 많은 자유와 유연성을 위해 기술을 선택하거나 선택 취소할 수 있습니다.
- 마지막으로, 다른 이상값 감지 기술을 사용할 때 "거시적" 및 "미시적" 보기에서 결과를 얻는 것이 좋을 수 있습니다.
- "마이크로" 보기: 각 탐지 기술에 대해 이상값으로 탐지된 지점을 알 수 있어 기술을 비교하고 방법 간의 일치/비동의를 확인합니다.
- "매크로" 보기: 감지 기술의 앙상블의 경우 "하드 투표" 또는 이상값 대 정상과 같은 이진 결과 대신 다른 모델을 앙상블하여 연속적인 "변칙 점수"를 갖는 것이 좋습니다(0: 다른 모델링 플랫폼에서 "빈도" 또는 이상값을 고려하지만 중요성을 줄이는 "가중 모델"을 생성하기 위한 "가중치" 변수.
이 아이디어가 중요한 이유는 무엇입니까?
이 요청에 동기를 부여하는 두 가지 사항:
- 단일 플랫폼에서 다양한 이상값 탐지 기술을 통합하고 그룹화하면 사용자가 제안된 다양한 기술을 인식하는 데 도움이 될 수 있습니다.
- 이 이상값 감지 측면에 초점을 맞춘 JMP 플랫폼에 새 모델을 추가하는 것이 좋은 출발점이 될 수 있습니다.
