MacrOData：面向表格异常检测的千级数据集基准
机器学习
2026-04-27 v2
摘要
质量基准对于公正、准确地跟踪科学进展并使实践者能够做出明智的决策方法选择至关重要。表格数据上的异常检测(OD)支撑着众多实际应用，但现有OD基准受限。突出的OD基准AdBench是文献中事实标准，然而仅包含57个数据集。除了本文讨论的其他不足之外，其规模小 severely 限制了多样性和统计效力。我们引入MacrOData，一个大规模表格OD基准套件，包含三个精心策划的组成部分：OddBench包含790个包含真实世界语义异常的数据集；OvrBench包含856个包含真实世界统计异常的数据集；SynBench包含800个涵盖多样数据先验和异常类型的数据集。由于其规模和多样性，MacrOData使表格OD方法的全面且统计上稳健的评估成为可能。我们的基准还满足若干关键需求：我们为所有数据集提供标准化的训练/测试划分，为后者提供公开/私有基准分区及 held-out 测试标签用于在线排行榜，同时为数据集标注语义元数据。我们对所有基准进行大规模实验，评估了包括经典方法、深度方法和基础模型在内的广泛OD方法，以及多样超参数配置。我们报告详细的实证发现、实用指南以及各方法的具体性能数据，作为未来研究的参考。所有包含2446个数据集的基准均已开源，并在https://huggingface.co/MacrOData-CMU 上提供公开可访问的排行榜。
引用
@article{arxiv.2602.09329,
title = {MacrOData: New Benchmarks of Thousands of Datasets for Tabular Outlier Detection},
author = {Xueying Ding and Simon Klüttermann and Haomin Wen and Yilong Chen and Leman Akoglu},
journal= {arXiv preprint arXiv:2602.09329},
year = {2026}
}
备注
28 pages