高效生成隐藏离群点以改进离群点检测
机器学习
2024-09-04 v2
摘要
离群点生成是解决重要离群点检测任务的流行技术。生成具有现实行为的离群点极具挑战性。流行的现有方法往往忽视高维空间中离群点的“多视图”属性。唯一考虑该属性的现有方法在效率和有效性方面存在不足。我们提出了 BISECT，一种新的离群点生成方法，该方法通过模拟所述属性来创建现实的离群点。为此，BISECT 采用了本文引入的一项新颖命题，阐述了如何高效生成此类现实离群点。与当前重建“多视图”的方法相比，我们的方法具有更好的保证和复杂度。我们利用 BISECT 生成的合成离群点，有效增强了多种数据集和多种用例下的离群点检测。例如，与基线相比，使用 BISECT 进行过采样可将误差降低多达 3 倍。
引用
@article{arxiv.2402.03846,
title = {Efficient Generation of Hidden Outliers for Improved Outlier Detection},
author = {Jose Cribeiro-Ramallo and Vadim Arzamasov and Klemens Böhm},
journal= {arXiv preprint arXiv:2402.03846},
year = {2024}
}
备注
Preprint. Full paper is scheduled to appear in TKDD; Updated results in table 4