异常检测器比较：上下文至关重要
机器学习
2021-06-09 v3
摘要
深度生成模型正在异常检测领域挑战经典方法。每一种新方法都提供证据表明其优于先前方法，但结果常相互矛盾。本比较的目的有二：比较不同范式的异常检测方法（重点关注深度生成模型），并识别可能导致不同结果的可变性来源。这些方法在常用的表格与图像数据集上进行了比较。我们确定的主要可变性来源为实验条件：i) 数据集类型（表格或图像）与异常性质（统计性或语义性），以及 ii) 超参数选择策略，尤其是验证集中可用异常的数量。不同方法在不同上下文中表现最佳，即实验条件与计算时间的组合。这解释了以往结果的差异性，并凸显了在新方法发表时仔细说明上下文的重要性。我们的所有代码与结果均可下载。
引用
@article{arxiv.2012.06260,
title = {Comparison of Anomaly Detectors: Context Matters},
author = {Vít Škvára and Jan Franců and Matěj Zorek and Tomáš Pevný and Václav Šmídl},
journal= {arXiv preprint arXiv:2012.06260},
year = {2021}
}