对含模式、缺失值与离群点的真实张量流的鲁棒分解
机器学习
2022-06-13 v2 数据库
摘要
考虑以张量流形式实时收集的多个季节性时间序列。真实世界张量流常包含缺失项（例如因网络断开）以及同时出现的意外离群点（例如因系统错误）。给定这样的真实世界张量流，我们如何实时准确地估计缺失项并预测未来演化？本工作中，我们通过引入 SOFIA（一种面向真实世界张量流的鲁棒分解方法）来回答该问题。简而言之，SOFIA 平滑且紧密地集成了张量分解、离群点去除与时间模式检测，它们自然相互增强。此外，尽管存在缺失项，SOFIA 以在线方式在线性时间内将它们集成。我们通过实验表明 SOFIA 具有：(a) 鲁棒且准确：填补误差降低达 76%、预测误差降低达 71%；(b) 快速：比次准确竞争者快达 935 倍；(c) 可扩展：随每时间步新项数线性缩放。
引用
@article{arxiv.2102.08466,
title = {Robust Factorization of Real-world Tensor Streams with Patterns, Missing Values, and Outliers},
author = {Dongjin Lee and Kijung Shin},
journal= {arXiv preprint arXiv:2102.08466},
year = {2022}
}
备注
Published at ICDE 2021