Detección de anomalías

Basic

Detección de anomalías | Guía de aprendizaje automático

Capítulo 9 #

Detección de anomalías #

Detecta observaciones raras, interesantes o problemáticas. Combina preprocesamiento robusto, elección de modelo y umbrales con revisión del dominio.

Enfoques #

Estadísticos: z‑scores, IQR robusto, MAD.
Densidad/Aislamiento: Local Outlier Factor, IsolationForest.
Reconstrucción: autoencoders, error de reconstrucción con PCA.
Residuos de pronóstico (series): picos en residuos del modelo.

Notas prácticas #

Estandariza variables; trata colas pesadas antes de métodos paramétricos.
Calibra umbrales con foco en precisión‑recobrado; los costes son asimétricos.
Investiga casos marcados para refinar variables y reducir falsos positivos.