值得吗？比较六种深度与经典方法在时间序列无监督异常检测中的表现
机器学习
2023-02-03 v3 人工智能
信息检索
摘要
在时间序列数据中检测异常在系统监控、医疗保健和网络安全等多个领域都十分重要。尽管可用方法众多使得针对特定应用选择最合适的方法变得困难，但每种方法在检测某些类型异常时各有优势。在本研究中，我们比较了六种复杂度各异的无监督异常检测方法，以确定更复杂的方法是否普遍表现更好，以及某些方法是否更适用于特定类型的异常。我们使用 UCR 异常档案（一个近期的异常检测基准数据集）对方法进行了评估。在调整每种方法的必要超参数后，我们在数据集和异常类型层面分析了结果。此外，我们评估了每种方法融入关于异常的先验知识的能力，并考察了逐点特征与序列级特征之间的差异。我们的实验表明，在一系列异常类型上，经典机器学习方法普遍优于深度学习方法。
引用
@article{arxiv.2212.11080,
title = {Is it worth it? Comparing six deep and classical methods for unsupervised anomaly detection in time series},
author = {Ferdinand Rewicki and Joachim Denzler and Julia Niebling},
journal= {arXiv preprint arXiv:2212.11080},
year = {2023}
}
备注
17 Pages, The repository to reproduce the results is available at https://gitlab.com/dlr-dw/is-it-worth-it-benchmark