面向高维数据流的两阶段在线监控流程
统计方法学
2017-12-15 v1
摘要
先进的计算机和数据采集技术使得在许多领域中收集高维数据流成为可能。能够为此类数据正确识别任何异常数据流的高效在线监控工具备受青睐。然而，现有的大多数监控流程在每个时间点直接对数据应用错误发现率（false discover rate, FDR）控制流程，且每个时间点的FDR（逐点FDR）要么由用户指定，要么由受控（IC）平均游程长度（ARL）决定。如果逐点FDR由用户指定，所得流程缺乏对全局FDR的控制，并使用户在IC-ARL方面一无所知。如果逐点FDR由IC-ARL决定，所得流程无法让用户灵活选择其在识别异常数据流时可容忍的虚假警报（I类错误）数量，这往往使流程过于保守。为克服这些局限，我们提出一种两阶段监控流程，可在用户指定水平上同时控制IC-ARL和I类错误。因此，所提流程不仅允许用户选择在所有数据流均受控时期望出现任何虚假警报的频率，还允许选择识别异常数据流时可容忍的虚假警报数量。凭借这一额外灵活性，我们的两阶段监控流程在模拟研究和真实数据分析中均被证明优于现有方法。
引用
@article{arxiv.1712.05074,
title = {A Two-stage Online Monitoring Procedure for High-Dimensional Data Streams},
author = {Jun Li},
journal= {arXiv preprint arXiv:1712.05074},
year = {2017}
}