Mi az az autoencoder az anomáliák észleléséhez, és hogyan számoljuk a rekonstrukciós hibát?

Autoencoder — ez egy neurális hálózat, amely megtanulja az bemeneti adatok helyreállítását a kimeneten keresztül egy tömörített belső reprezentáción (rejtett tér). Anomáliák felismerésére az autoencodert normális adatokon tanítják, hogy hatékonyan tudja rekonstruálni azokat. Amikor egy anomális példát adnak be, a háló rosszabbul rekonstruálja, ami magas helyreállítási hibában nyilvánul meg.

A helyreállítási hiba egy mérőszám, amely méri a bemeneti jel és a rekonstruált jel közötti különbséget. Általában az átlagos négyzetes hibát (MSE) használják:

import numpy as np

# x - bemeneti adatok
# x_reconstructed - az autoencoder kimenete
reconstruction_error = np.mean((x - x_reconstructed) ** 2)

Ha a helyreállítási hiba meghalad egy meghatározott küszöböt, az objektum anomáliának számít.