Detecció d'Anomalies amb Autoencoders Explicables
La Detecció d'Anomalies amb Autoencoders Explicables augmenta un detector d'anomalies estàndard basat en autoencoders amb una capa d'interpretabilitat — com ara valors SHAP o descomposició de l'error de reconstrucció per característica — que identifica quines característiques d'entrada van impulsar l'etiqueta d'anomalia per a cada observació, convertint una puntuació opaca d'error de reconstrucció en una explicació accionable i llegible per humans.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Explainable Autoencoder-Based Anomaly Detection (XAI-augmented Reconstruction Error). ScholarGate. https://scholargate.app/ca/machine-learning/explainable-autoencoder-anomaly-detection
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Detecció d'anomalies amb autoencodersAprenentatge automàtic↔ compare
- Aïllament Forest explicableAprenentatge automàtic↔ compare
- SVM d'una classe explicableAprenentatge automàtic↔ compare
- Isolation ForestAprenentatge automàtic↔ compare
- SVM d'una sola classeAprenentatge automàtic↔ compare
- Detecció d'anomalies amb autoencoder auto-supervisatAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →