ترجمه فارسی مقاله مقیاس بندی آماری قوی امتیازات پرت: بهبود کیفیت احتمالات پرت برای نقاط پرت (نسخه توسعه یافته)

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Robust Statistical Scaling of Outlier Scores: Improving the Quality of Outlier Probabilities for Outliers (Extended Version)
عنوان مقاله به فارسی مقیاس بندی آماری قوی امتیازات پرت: بهبود کیفیت احتمالات پرت برای نقاط پرت (نسخه توسعه یافته)
نویسندگان Philipp Röchner, Henrique O. Marques, Ricardo J. G. B. Campello, Arthur Zimek, Franz Rothlauf
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 30 August, 2024; v1 submitted 28 August, 2024; originally announced August 2024. , Comments: 15 pages, 4 figures, extended version of an original article accepted for publication in SISAP 2024 by Springer Nature
توضیحات به فارسی ارسال شده در 30 اوت 2024 ؛V1 ارسال شده 28 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 15 صفحه ، 4 شکل ، نسخه گسترده مقاله اصلی پذیرفته شده برای انتشار در SISAP 2024 توسط Springer Nature
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Outlier detection algorithms typically assign an outlier score to each observation in a dataset, indicating the degree to which an observation is an outlier. However, these scores are often not comparable across algorithms and can be difficult for humans to interpret. Statistical scaling addresses this problem by transforming outlier scores into outlier probabilities without using ground-truth labels, thereby improving interpretability and comparability across algorithms. However, the quality of this transformation can be different for outliers and inliers. Missing outliers in scenarios where they are of particular interest - such as healthcare, finance, or engineering - can be costly or dangerous. Thus, ensuring good probabilities for outliers is essential. This paper argues that statistical scaling, as commonly used in the literature, does not produce equally good probabilities for outliers as for inliers. Therefore, we propose robust statistical scaling, which uses robust estimators to improve the probabilities for outliers. We evaluate several variants of our method against other outlier score transformations for real-world datasets and outlier detection algorithms, where it can improve the probabilities for outliers.

چکیده به فارسی (ترجمه ماشینی)

الگوریتم های تشخیص دورافتاده به طور معمول نمره ای دور از ذهن را به هر مشاهده در یک مجموعه داده اختصاص می دهند ، که نشان می دهد میزان مشاهده یک دور از نظر است.با این حال ، این نمرات اغلب در بین الگوریتم ها قابل مقایسه نیست و تفسیر انسان برای انسان دشوار است.مقیاس آماری با تبدیل نمرات دورتر به احتمالات دورتر و بدون استفاده از برچسب های حقیقت زمین ، این مشکل را برطرف می کند ، در نتیجه تفسیر و مقایسه در الگوریتم ها را بهبود می بخشد.با این حال ، کیفیت این تحول می تواند برای Outriers و Inliers متفاوت باشد.مفقود شدن مسافت های موجود در سناریوهایی که مورد توجه ویژه ای قرار می گیرند - مانند مراقبت های بهداشتی ، امور مالی یا مهندسی - می تواند پرهزینه یا خطرناک باشد.بنابراین ، اطمینان از احتمال خوب برای Outriers ضروری است.این مقاله استدلال می کند که مقیاس بندی آماری ، همانطور که معمولاً در ادبیات استفاده می شود ، احتمالات به همان اندازه خوبی را برای خارج از کشور ایجاد نمی کند.بنابراین ، ما مقیاس آماری قوی را پیشنهاد می کنیم ، که از برآوردگرهای قوی برای بهبود احتمالات برای خارج از کشور استفاده می کند.ما چندین روش از روش خود را در برابر سایر تحولات نمره دور برای مجموعه داده های دنیای واقعی و الگوریتم های تشخیص دور از دسترس ارزیابی می کنیم ، جایی که می تواند احتمال ابتلا به مسافت ها را بهبود بخشد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.