Détection et Explication des Données Régulières et Irrégulières
Résumé
Fuzzy partitions associated with linguistic variables are particularly useful to provide users with a descrip- tion of the data. However, designing fuzzy partitions that make it possible to linguistically describe the data distri- bution and its inner structure is a tedious task. This paper introduces a novel strategy to infer possible fuzzy parti- tions from the data distribution with the objective to have available modalities to describe both dense and sparse re- gions. A data inner structure as well as the anomalies are then identified using these partitions whose terms are also used to provide users with contrastive explanations about the found anomalies.
Un vocabulaire flou, composé de partitions floues associées à des variables linguistiques, joue un rôle crucial dans de nombreuses méthodes de description de données. Cependant, la construction d'une partition appropriée pour décrire la structure intrinsèque des données est une tâche difficile. Cet article introduit une nouvelle stratégie visant à inférer des partitions possibles à partir de la distribution des données pouvant être utilisées pour décrire de manière discriminante à la fois les zones denses de points et les zones éparses. Les partitions sont ensuite exploitées pour identifier la structure intrinsèque des points réguliers mais également pour fournir des explications contrastives sur les anomalies trouvées dans les zones éparses.
Mots clés
Inférence de vocabulaire flou résumé linguistique détection d'anomalies explication d'anomalies Fuzzy vocabulary inference linguistic summaries anomaly detection anomaly explanation
Inférence de vocabulaire flou
résumé linguistique
détection d'anomalies
explication d'anomalies Fuzzy vocabulary inference
linguistic summaries
anomaly detection
anomaly explanation
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|