基于变分自编码器估计导致被检测异常的维度
机器学习
2018-12-24 v2 机器学习
摘要
利用降维的异常检测一直是监测多维数据的重要技术。尽管基于深度学习的方法因其卓越的检测性能已被充分研究，但其可解释性仍是一个问题。本文中，我们提出一种利用变分自编码器（VAEs）估计导致被检测异常的维度的新算法。我们的算法基于一个考虑数据中存在异常的近似概率模型，通过最大化对数似然，我们估计哪些维度有助于将数据判定为异常。在基准数据集上的实验结果表明，我们的算法比基线方法更准确地提取贡献维度。
引用
@article{arxiv.1811.04576,
title = {Estimation of Dimensions Contributing to Detected Anomalies with Variational Autoencoders},
author = {Yasuhiro Ikeda and Kengo Tajiri and Yuusuke Nakano and Keishiro Watanabe and Keisuke Ishibashi},
journal= {arXiv preprint arXiv:1811.04576},
year = {2018}
}