Извлечение причины аномалии из H2OAutoEncoderEstimator

Question

В настоящее время я тренирую модель обнаружения аномалий (в Python), используя H2OAutoEncoderEstimator H2o, и у меня были хорошие результаты при поиске аномальных записей в моем тестовом наборе данных.

Однако я хотел бы сделать еще один шаг и попытаться определить причину аномалии (если это возможно).

Я пытался понять вывод .predict() для моей модели, который выглядит следующим образом:

Как мнеинтерпретировать этот вывод?Я попробовал документы, но нашел, что это очень мало помогает.

Кроме того, для тех из вас, кто пробовал подобные подходы, не могли бы вы порекомендовать методику для выявления причин аномалии, однажды обнаруженной с использованием предоставленных инструментовв библиотеке H2o?Спасибо.

Answer 1

Моим первым шагом будет использование K-LIME (K локальных интерпретируемых объяснений, не зависящих от модели), чтобы посмотреть, сможет ли он построить модель для объяснения модели вашего автоэнкодера.

K-LIME доступен в пакете H2O R и (я полагаю) Python.

Это полезное объяснение концепции LIME.