面向时间序列异常检测的在线错误发现率控制
机器学习
2021-12-07 v1 机器学习
统计理论
统计理论
摘要
本文提出了用于时间序列在线异常检测的错误发现率控制（FDRC）新规则。在线 FDRC 规则允许控制一系列统计检验的性质。在异常检测背景下，原假设为某观测正常，备择假设为异常。FDRC 规则使用户在无监督设定下能以精度下界为目标。本文提出的方法克服了先前 FDRC 规则在异常检测中的不足，特别是确保了即使在备择假设极其罕见（异常检测中的典型情况）且检验统计量序列相关（时间序列中的典型情况）时，功效仍保持较高。我们在理论与实验中均展示了这些规则的合理性。
引用
@article{arxiv.2112.03196,
title = {Online false discovery rate control for anomaly detection in time series},
author = {Quentin Rebjock and Barış Kurt and Tim Januschowski and Laurent Callot},
journal= {arXiv preprint arXiv:2112.03196},
year = {2021}
}