面向监控服务中单变量时间序列异常检测自动化的优化目标精化
机器学习
2023-07-21 v1
摘要
时间序列异常检测对于处理海量数据的工业监控服务至关重要，旨在保障可靠性并优化系统性能。现有方法常需大量标注资源与人工参数选择，凸显了自动化的需求。本文提出一种用于时间序列异常检测模型自动参数优化的综合框架。该框架引入三个优化目标：预测分数、形状分数与敏感度分数，无需先验知识或人工标注即可轻松适配不同模型主干。所提框架已成功在线应用逾六个月，每分钟服务于超过50,000条时间序列。它仅要求用户输入期望的敏感值，提供友好界面并获得期望检测结果，简化了用户体验。在公开数据集上的广泛评估及与其他方法的对比进一步证实了该框架的有效性。
引用
@article{arxiv.2307.10653,
title = {Refining the Optimization Target for Automatic Univariate Time Series Anomaly Detection in Monitoring Services},
author = {Manqing Dong and Zhanxiang Zhao and Yitong Geng and Wentao Li and Wei Wang and Huai Jiang},
journal= {arXiv preprint arXiv:2307.10653},
year = {2023}
}
备注
Accepted by 2023 IJCAI Workshop