PUPAE：针对时间序列异常的直观且可操作解释
机器学习
2024-01-19 v1 人工智能
摘要
近年来，时间序列异常检测取得了显著进展。然而，在检测到（可能是暂时的）异常后，我们能否对其进行解释？此类解释对于异常分流至关重要。例如，在炼油厂中，面对异常我们是应该派遣液压工程师，还是派实习生去更换传感器电池？目前已有一些并行工作致力于解释异常，但许多 proposed 技术产生的解释往往是间接的，且通常比它们试图解释的异常本身更为复杂。我们对各领域一线从业人员使用的文献/检查表/用户手册的审查揭示了一个有趣的近乎普遍的共同点：大多数从业人员以下述格式讨论、解释和报告异常：如果没有损坏 B，该异常本应像正常数据 A 一样。读者会意识到这是一种反事实解释（counterfactual explanation）。在本工作中，我们引入了一种领域无关的反事实解释技术，用于生成时间序列异常的解释。正如我们将展示的，我们的方法能够生成既客观正确、直观，又在许多情况下直接可操作的视觉和基于文本的解释。
引用
@article{arxiv.2401.09489,
title = {PUPAE: Intuitive and Actionable Explanations for Time Series Anomalies},
author = {Audrey Der and Chin-Chia Michael Yeh and Yan Zheng and Junpeng Wang and Zhongfang Zhuang and Liang Wang and Wei Zhang and Eamonn J. Keogh},
journal= {arXiv preprint arXiv:2401.09489},
year = {2024}
}
备注
9 Page Manuscript, 1 Page Supplementary (Supplement not published in conference proceedings.)