基于时间序列异常检测的无监督特征构建——评估
机器学习
2025-01-22 v2
摘要
在时间序列上以精确且无需先验知识检测异常,是否应该从初始时序表示构建检测器,还是应该计算一个新的(表格)表示,以使用现有的自动变量构造库?本文通过对两种流行检测器 (Isolation Forest 和 Local Outlier Factor) 的深入实验研究来回答这个问题。获得的结果显示,对于 5 个不同的数据集,使用 tsfresh 库计算的新表示允许 Isolation Forest 显著改进其性能。
引用
@article{arxiv.2501.07999,
title = {Unsupervised Feature Construction for Anomaly Detection in Time Series -- An Evaluation},
author = {Marine Hamon and Vincent Lemaire and Nour Eddine Yassine Nair-Benrekia and Samuel Berlemont and Julien Cumin},
journal= {arXiv preprint arXiv:2501.07999},
year = {2025}
}
备注
7