Was ist aktives Lernen bei der Anomalieerkennung?

Active Learning in der Anomalieerkennung ist eine Methode, bei der das Modell aktiv den Experten (Menschen) nach der Markierung der informativsten oder zweifelhaftesten Beispiele fragt, um die Qualität der Anomalieerkennung zu verbessern.

Da Anomalien oft selten und vielfältig sind, ist es schwierig, vollständig annotierte Daten zu erhalten. Active Learning hilft, die begrenzten Ressourcen für die Annotation effizient zu nutzen, indem es die Daten auswählt, die die Genauigkeit des Modells maximieren.

Beispiel: Ein Betrugserkennungsmodell identifiziert Transaktionen mit hoher Unsicherheit und bittet den Analysten, zu bestätigen, ob sie Anomalien sind. Die erhaltenen Labels werden verwendet, um das Modell nachzutrainieren und seine Fähigkeit zur Erkennung neuer Anomalien zu verbessern.