Detecção de anomalias: diferenças entre revisões
(Criou página com: '== Introdução == Embora as anomalias costumam ser consideradas erros ou ruídos, elas podem conter informação importante<ref name="Pang">Pang-Ning T, Steinbach M, Kumar...') |
Sem resumo de edição |
||
| Linha 12: | Linha 12: | ||
== Taxonomia dos métodos de detecção de anomalias == | == Taxonomia dos métodos de detecção de anomalias == | ||
Os métodos de detecção de anomalias foram inicialmente divididos em métodos univariados e multivariados, sendo atualmente divididos em métodos paramétricos (estatísticos) e não-paramétricos (''model-free''). | |||
Os métodos paramétricos ou assumem que existe alguma distribuição conhecida dos dados<ref name="Hawkins"/><ref name="Lewis"/><ref name="Rousseeuw">Rousseeuw PJ, Leroy AM: Robust Regression and Outlier Detection. Time 1987, 3:329.</ref>, ou tem como fundamentação a estimativa estatística de uma distribuição desconhecida<ref name="Hadi">Hadi AS: Identifying Multiple Outliers in Multivariate Data. Journal of the Royal Statistical Society. Series B (Methodological) 1992:761–771.</ref>. Tais métodos são na maioria das vezes impróprios para uma série de dados de grandes dimensões ou para série de dados sem qualquer conhecimento prévio de sua distribuição<ref name="Papadimitriou">Papadimitriou S, Kitagawa H, Gibbons PB, Faloutsos C: LOCI: Fast outlier detection using the local correlation integral. In Proceedings - International Conference on Data Engineering; 2003:315–326.</ref>. | |||
Nos métodos não-paramétricos podemos evidenciar os métodos de data-mining, também chamados de métodos baseado em distância. Estes métodos geralmente baseiam-se em medidas de distâncias locais e são capazes de processar base de dados de grande volume. | |||
== Métodos paramétricos == | == Métodos paramétricos == | ||
Revisão das 15h13min de 23 de fevereiro de 2016
Introdução
Embora as anomalias costumam ser consideradas erros ou ruídos, elas podem conter informação importante[1][2], sendo assim, de forma a se obter uma análise coerente de uma observação, é crucial identificá-las antes da modelação de um algoritmo e da análise dos resultados.[3][4].
A definição exata de uma anomalia depende geralmente de pressupostos inerentes à estrutura de dados e ao método aplicado para sua detecção:
- Hawkins (1980)[5] “Uma observação que se desvia demasiadamente das outras observações ao ponto de levantar suspeitas de ter sido gerada por um mecanismo diferentes.”
- Johnson (1992)[6] “Uma observação em uma série de dados em aparenta ser inconsistente com o restante daquela série de dados.”
- Barnett (1994)[7] “A observação anómala, ou anomalia, é aquela que aparenta desviar-se marcadamente dos outros membros da amostra em que ela ocorre.”
Os métodos de detecção de anomalias tem sido utilizados em diversas aplicações, como detecção de fraude em cartões de crédito, irregularidade em eleições, limpeza de dados, invasão de redes, previsão de tempestades, sistemas de informação geográficos, e outras tarefas.
Taxonomia dos métodos de detecção de anomalias
Os métodos de detecção de anomalias foram inicialmente divididos em métodos univariados e multivariados, sendo atualmente divididos em métodos paramétricos (estatísticos) e não-paramétricos (model-free).
Os métodos paramétricos ou assumem que existe alguma distribuição conhecida dos dados[5][7][8], ou tem como fundamentação a estimativa estatística de uma distribuição desconhecida[9]. Tais métodos são na maioria das vezes impróprios para uma série de dados de grandes dimensões ou para série de dados sem qualquer conhecimento prévio de sua distribuição[10].
Nos métodos não-paramétricos podemos evidenciar os métodos de data-mining, também chamados de métodos baseado em distância. Estes métodos geralmente baseiam-se em medidas de distâncias locais e são capazes de processar base de dados de grande volume.
Métodos paramétricos
Método estatístico
Métodos não-paramétricos
Método baseado na distância
Método baseado em densidade
Referências
- ↑ Pang-Ning T, Steinbach M, Kumar V: Introduction to Data Mining. 2006.
- ↑ Maletic JI, Marcus A: Data Mining and Knowledge Discovery Handbook. 2nd edition. Boston, MA: Springer US; 2010.
- ↑ Liu H, Shah S, Jiang W: On-line outlier detection and data cleaning. Comput Chem Eng 2004, 28:1635–1647.
- ↑ Williams G, Baxter R, Hawkins S: A comparative study of RNN for outlier detection in data mining. In 2002 IEEE International Conference on Data Mining, 2002. Proceedings.; 2002:709–712.
- ↑ 5,0 5,1 Hawkins D., Identification of Outliers, Chapman and Hall, 1980.
- ↑ Johnson R., Applied Multivariate Statistical Analysis. Prentice Hall, 1992.
- ↑ 7,0 7,1 Barnett V., Lewis T., Outliers in Statistical Data. JohnWiley, 1994.
- ↑ Rousseeuw PJ, Leroy AM: Robust Regression and Outlier Detection. Time 1987, 3:329.
- ↑ Hadi AS: Identifying Multiple Outliers in Multivariate Data. Journal of the Royal Statistical Society. Series B (Methodological) 1992:761–771.
- ↑ Papadimitriou S, Kitagawa H, Gibbons PB, Faloutsos C: LOCI: Fast outlier detection using the local correlation integral. In Proceedings - International Conference on Data Engineering; 2003:315–326.
