Metody detekce anomálií v množinových datech

Abstract

Detekce anomálií ve vektorových datech je běžný problém strojového učení, ke kterému lze přistupovat jako k úloze odhadu pravděpodobnostního rozložení dat považovaných za normální třídu. Tento přístup je možné použít i v případě detekce anomálií v množinových datech, jejíž studium je předmětem diplomové práce. V práci používáme řešení, kdy úlohu rozdělíme na dva dílčí části, tedy na naučení se věrohodnostního modelu vektorů a modelu kardinality množiny. Naučená pravděpodobnostní rozdělení potom slouží k ohodnocění každé nově pozorované množiny dat. Výsledky tohoto přístupu jsme experimentálně ověřili.

Anomaly detection in vector data is a common machine learning problem, which can be approached as normal class probability distribution estimation. It is also possible to use this attitude when detecting group data, which is the subject of this master thesis. In this thesis, we use a solution where we divide the problem into two parts, i. e., to learn the likelihood model of vectors and the cardinality model of the set. The learned probability distributions are then used to evaluate each newly observed data set. We experimentally verified the results of this approach.