Novelty detection e anomaly detection: la prima ha l’obiettivo di identificare pattern nuovi e trend emergenti; la seconda si concentra sull’individuazione di outlier che possono essere rappresentativi di errori, frodi o guasti. Fin dalla nascita del metodo scientifico e dall’utilizzo della statistica per supportarne i risultati, la ricerca scientifica e i processi industriali sono stati guidati da un costante confronto tra ciò che era atteso, la “normalità”, e ciò che non lo era, l’anomalia.
ANALISI
Ricerca di outlier e anomalie: le potenzialità della novelty e anomaly detection per l’industria
Valori che si scostano dalla normalità possono costituire anomalie positive o negative, a seconda dei casi: per garantire l’efficienza di un processo occorre saperle individuare in tempo, comprenderne le cause e persino anticiparle. Ecco come scovarle con il Machine learning
Pubblicato il 27 mag 2024
Tommaso Gallingani
Data Science Team Leader di Ammagamma Part of Accenture
