SoftED：用于时间序列事件检测软评估的指标
机器学习
2024-12-02 v3
摘要
时间序列事件检测方法主要通过仅关注检测准确性的标准分类指标进行评估。然而，事件检测的不准确往往源于其在邻近检测中反映的前置或延迟效应。这些检测对于触发必要操作或帮助缓解不良后果具有重要价值。在此背景下，当前指标对于事件检测场景而言既不充分也不恰当。亟需一类同时纳入时间概念及对邻近检测的时间容差的指标。本文提出 SoftED 指标，一组专为软评估事件检测方法设计的新指标。它们能够同时评估检测准确性及其检测对事件的表征程度。与常规分类指标相比，SoftED 指标通过在超过 36% 的实验中引入时间容差并将事件与其代表性检测相关联，改进了事件检测评估。SoftED 指标经领域专家验证，表明其对检测评估与方法选择具有贡献。
引用
@article{arxiv.2304.00439,
title = {SoftED: Metrics for Soft Evaluation of Time Series Event Detection},
author = {Rebecca Salles and Janio Lima and Michel Reis and Rafaelli Coutinho and Esther Pacitti and Florent Masseglia and Reza Akbarinia and Chao Chen and Jonathan Garibaldi and Fabio Porto and Eduardo Ogasawara},
journal= {arXiv preprint arXiv:2304.00439},
year = {2024}
}
备注
19 pages