Oponentský posudek bakalářské práce
Detekce anomálií a řídkých událostí
Bc. Jan Kovář
Zadání práce požaduje podání přehledu moderních metod hledání odlehlých bodů, anomálií a
řídkých událostí. Dále je cílem práce navržení metody pro hledání řídkých událostí s využitím
emergentních vzorů a klasifikačních pravidel, ověření metody na datech z IS M U a diskuze o
možných vylepšeních.
Práce j e rozvržena do šesti kapitol. V úvodu se autor věnuje krátkému představení hledání anomálií.
Ve druhé kapitole jsou stručně popsány klasické metody hledání odlehlých pozorování, se kterými
seje možné setkat v různých variantách v mnoha současných aplikacích. Třetí kapitola je věnována
popisu asociačních a klasifikačních pravidel, emergentních vzorů a vztahu mezi nimi. Prezentován
je též algoritmus Apriori, který je použit v experimentální části. Ve čtvrté kapitole je představena
metoda pro hledání odlehlých vzorů založená na emergentnách vzorech a klasifikačních pravidlech.
V následující kapitole jsou popsána testovací data, diskutován vliv parametrů a shrnuly výsledky
experimentů. Závěrečná část rekapituluje obsah práce a nastiňuje možná rozšíření.
Práce je velmi zajímavá a dobře napsaná. Autor je evidentně obeznámen s tématikou, což prokazuje
nejen prezentací přehledu metod, ale též návrhem metody pro určení hranice konfidence
klasifikačních pravidel odvozenou z problematiky emergentních vzorů a taktéž zajímavou diskuzí o
vlivu parametrů na výsledky a samotnou interpretací výsledků.
Text je vhodně členěn a logicky uspořádán a obsahuje minimum chyb (jako např. duplikace slova
množiny v části 3.1).
V textu chybí zmínka o rozdělení hledání anomálií na (alespoň) metody s učitelem ("supervised") a
bez učitele ("unsupervised"), protože kapitola 2 podává přehled o těch bez učitele, kdežto zbytek
práce je zaměřen na druhou skupinu. Jde o relativně rozdílné úlohy. Bez uvedení tohoto rozdílu a
zdůvodnění výběru (např. protože máme k dispozici klasifikovaná data) kapitola 2 působí lehce
mimo kontext práce, jelikož dále není zpětně odkazována. S tím souvisí to, že by mohly být
uvedeny i některé další metody hledaní pomocí učení s učitelem a případně výsledky porovnat.
V části 3.1 je Ypoužito pro označení pozorování (instance), ale později je užíváno spíše jako
"Itemset", což může být pro čtenáře lehce matoucí.
Otázka: Domníváte se, že by bylo možné použít metodu z experimentu pro data, ve kterých je jedna
třída zastoupena výrazně více než druhá (tzv. "highly unbalanced data")? Můžete svůj názor
zdůvodnit?
Celkově je práce velmi zdařilá a splňuje požadavky zadání bakalářské práce. Nahrhuji hodnotit
stupněm B-A, podle průběhu obhajoby. Obhajoby se bohužel nemohu z důvodu pobytu v zahraničí
osobně zúčastnit.
11.6.2012, Porto Petr Kosina