Si (K-)SIF tejkalon FIF në zbulimin e anomalive të të dhënave reale
Shume gjate; Te lexosh
(K-)SIF tregon avantazhe të qarta të performancës mbi FIF në zbulimin e anomalive të të dhënave reale, veçanërisht me fjalorin Brownian. SIF rezulton të jetë metoda më e fuqishme, duke arritur rezultatet më të mira në pesë grupe të dhënash pa u mbështetur në parametra të ndjeshëm.
Autorët:
(1) Guillaume Staerman, INRIA, CEA, Univ. Paris-Saclay, Francë;
(2) Marta Campi, CERIAH, Institut de l'Audition, Institut Pasteur, Francë;
(3) Gareth W. Peters, Departamenti i Statistikave dhe Probabiliteti i Aplikuar, Universiteti i Kalifornisë Santa Barbara, SHBA.
Tabela e lidhjeve
3. Metoda e pyllit të izolimit të nënshkrimit
4.1. Analiza e ndjeshmërisë së parametrave
4.2. Avantazhet e (K-)SIF mbi FIF
4.3. Standardi i zbulimit të anomalive të të dhënave reale
5. Diskutim & Përfundim, Deklarata të Ndikimit dhe Referenca
Shtojca
A. Informacion shtesë rreth nënshkrimit
C. Eksperimente numerike shtesë
4.3. Standardi i zbulimit të anomalive të të dhënave reale
Për të vlerësuar efektivitetin e algoritmeve të propozuara (K-)SIF dhe për të ofruar një krahasim me FIF, ne kryejmë një analizë krahasuese duke përdorur dhjetë grupe të dhënash për zbulimin e anomalive të ndërtuara në Staerman et al. (2019) dhe me burim nga depoja e UCR (Chen et al., 2015). Në ndryshim nga Staerman et al. (2019), ne nuk përdorim një pjesë trajnimi/testimi pasi etiketat nuk përdoren për trajnimin dhe modelet e trajnojnë dhe vlerësojnë vetëm në të dhënat e trajnimit. Ne vlerësojmë performancën e algoritmeve duke përcaktuar sasinë e AUC nën kurbat ROC.
Nga njëra anë, Figura 4 ilustron pabarazinë e performancës midis FIF dhe K-SIF duke përdorur fjalorin Brownian. Veçanërisht, K-SIF shfaq një avantazh të rëndësishëm të performancës ndaj FIF. Ky vëzhgim nënvizon efektivitetin e kernelit të nënshkrimit në përmirësimin e performancës së FIF në shumicën e grupeve të të dhënave, duke theksuar avantazhet e përdorimit të tij ndaj një produkti të thjeshtë të brendshëm. Nga ana tjetër, duke marrë parasysh ndërlikimin e të dhënave funksionale, asnjë metodë unike nuk pritet të jetë më e mirë se të tjerët në mënyrë universale.
Megjithatë, SIF demonstron performancë të fortë në shumicën e rasteve, duke arritur rezultatet më të mira për pesë grupe të dhënash. Ndryshe nga FIF dhe K-SIF, ai tregon qëndrueshmëri ndaj shumëllojshmërisë së grupeve të të dhënave, ndërsa nuk ndikohet në mënyrë drastike nga zgjedhja e parametrave të përfshirë në FIF (fjalor dhe produkt i brendshëm) dhe K-SIF (fjalor).
Ky dokument është i disponueshëm në arxiv nën licencën CC BY 4.0 DEED.
L O A D I N G
. . . comments & more!
. . . comments & more!
