Wat is actief leren bij anomaly detection?

Actief leren bij anomaliedetectie is een methode waarbij het model actief de expert (persoon) vraagt om de meest informatieve of twijfelachtige voorbeelden te labelen om de kwaliteit van de anomaliedetectie te verbeteren.

Omdat anomalieën vaak zeldzaam en divers zijn, is het moeilijk om volledig gelabelde gegevens te verkrijgen. Actief leren helpt om de beperkte labeling resources efficiënt te gebruiken door die gegevens te selecteren die de nauwkeurigheid van het model maximaliseren.

Voorbeeld: een fraudedetectiemodel identificeert transacties met een hoge mate van onzekerheid en vraagt de analist of ze anomalieën zijn. De verkregen labels worden gebruikt om het model opnieuw te trainen en het vermogen om nieuwe anomalieën te detecteren te verbeteren.