332 тысячи заказов спустя: как ансамблевое машинное обучение сократило количество ложных срабатываний на 35%

В ходе 25-дневного производственного эксперимента было обработано 332 000 заказов для сравнения одной модели Isolation Forest с ансамблем из 3 моделей (Isolation Forest, LSTM, Autoencoder) для мониторинга качества данных. Ансамбль снизил количество ложных срабатываний на 35% и обнаружил на 30% больше реальных аномалий, при незначительном увеличении времени вывода. Результаты показывают, что ансамблевое машинное обучение оправдывает свою сложность для обнаружения аномалий различных типов.