Unsupervised Anomaly Detection

L'objectif de la détection non supervisée d'anomalies est d'identifier des objets ou des événements rares dans un jeu de données qui n'ont jamais été observés auparavant, sans aucune connaissance préalable. L'essentiel de cette tâche réside dans la modélisation de la distribution des données normales et la définition d'une métrique basée sur ce modèle pour classer les échantillons comme anomalies ou normaux. Comme les données anormales occupent une proportion extrêmement faible dans l'espace à haute dimension et sont difficiles à décrire directement, il est généralement nécessaire de mapper les données vers un espace de caractéristiques plus adapté pour une détection efficace.