Time Series”, NeurIPS 2018 の紹介 問題設定 [1] Nesime Tatbul, Tae Jun Lee, Stan Zdonik, Mejbah Alam, and Justin Gottschlich, “Precision and recall for time series,” in Advances in Neural Information Processing Systems 31, S. Bengio, H. Wallach, H. Larochelle, K. Grauman, N. Cesa-Bianchi, and R. Garnett, Eds., pp. 1920‒1930. Curran Associates, Inc., 2018. 提案⼿法 実験 従来の時系列データの異常検知の評価⼿法はポイントベースの異常を対象としているが,実世界の異常 の多くはレンジベースの異常である.そのため,レンジベースの評価⼿法を適⽤するべき. 時系列データの分類アルゴリズムの精度を評価するため,レンジベースで、各異常レンジにおける異常 検出サイズ,検出位置,検出要素数などを考慮したPrecision,Recallを計算する数理モデルを提案. 複数の時系列データセット,LSTM-ADで実験.古典的な評価指標と⽐較してレンジベースの異常値の 表現⼒が優れていること,Numenta scoringの指標と⽐較して多様なシナリオに対応できる柔軟性があ ることを⽰した.
Alam, and Justin Gottschlich, “Precision and recall for time series,” in Advances in Neural Information Processing Systems 31, S. Bengio, H. Wallach, H. Larochelle, K. Grauman, N. Cesa-Bianchi, and R. Garnett, Eds., pp. 1920‒1930. Curran Associates, Inc., 2018. [1]