PyODDS：一个具有自动化机器学习支持的端到端异常检测系统
机器学习
2020-03-13 v1 人工智能
机器学习
摘要
异常检测是各类数据挖掘应用中的一项重要任务。当前的异常检测技术通常针对特定领域手动设计，需要大量人工进行数据库搭建、算法选择与超参数调优。为弥补这一不足，我们提出 PyODDS，一个支持数据库的自动化端到端 Python 异常检测系统，它可针对手头的新数据源自动优化异常检测流水线。具体而言，我们定义异常检测流水线中的搜索空间，并在给定搜索空间内产生搜索策略。PyODDS 基于 Apache Spark 后端服务器与轻量级数据库实现端到端执行，并为有无数据科学或机器学习背景的用户提供统一接口与可视化。特别地，我们在多个真实数据集上演示了 PyODDS，并给出量化分析与可视化结果。
引用
@article{arxiv.2003.05602,
title = {PyODDS: An End-to-end Outlier Detection System with Automated Machine Learning},
author = {Yuening Li and Daochen Zha and Praveen Kumar Venugopal and Na Zou and Xia Hu},
journal= {arXiv preprint arXiv:2003.05602},
year = {2020}
}
备注
In Companion Proceedings of the Web Conference 2020 (WWW 20)