Détection d'anomalies dans des Données Mixtes : Évaluation des performances selon les types d'anomalies détectés
1 : Centre d'enseignement Cnam Paris
Conservatoire National des Arts et Métiers [CNAM]
2 : UTAC
* : Auteur correspondant
UTAC- OTC
Dans cette étude, notre objectif consiste à détecter des anomalies dans des données contenant à la fois des variables quantitatives et qualitatives. La plupart des méthodes de détection d'anomalies sont conçues uniquement pour les données quantitatives. Nous proposons d'utiliser une Analyse Factorielle sur Données Mixtes (AFDM) pour extraire des composantes principales numériques. Ces composantes sont ensuite utilisées pour la détection d'anomalies. Nous évaluons la performance de cette approche en utilisant des données simulées comportant différents types d'anomalies : globales, locales, rares et mixtes. Notre objectif est de déterminer les types d'anomalies détectés par chaque modèle.
- Poster