Explainable multi-class anomaly detection on functional data

Cura, Mathieu; Firdova, Katarina; Labart, Céline; Martel, Arthur

统计学 > 机器学习

arXiv:2205.02935 (stat)

[提交于 2022年5月3日 ]

标题：可解释的多类功能数据异常检测

标题： Explainable multi-class anomaly detection on functional data

Authors:Mathieu Cura, Katarina Firdova, Céline Labart, Arthur Martel

摘要：本文我们描述了一种用于多元函数数据异常检测及其可解释性的方法。异常检测过程包括将序列转换为特征向量，并使用隔离森林算法。可解释过程基于SHAP系数的计算以及监督决策树的使用。我们在模拟数据上应用它以衡量我们方法的性能，并在来自工业的真实数据上进行应用。

摘要： In this paper we describe an approach for anomaly detection and its explainability in multivariate functional data. The anomaly detection procedure consists of transforming the series into a vector of features and using an Isolation forest algorithm. The explainable procedure is based on the computation of the SHAP coefficients and on the use of a supervised decision tree. We apply it on simulated data to measure the performance of our method and on real data coming from industry.

主题：	机器学习 (stat.ML) ; 机器学习 (cs.LG); 统计理论 (math.ST)
MSC 类：	62P30 62H30
引用方式：	arXiv:2205.02935 [stat.ML]
	(或者 arXiv:2205.02935v1 [stat.ML] 对于此版本)
	https://doi.org/10.48550/arXiv.2205.02935

提交历史

来自： Celine Labart [查看电子邮件]
[v1] 星期二， 2022 年 5 月 3 日 14:29:39 UTC (6,243 KB)

统计学 > 机器学习

标题：可解释的多类功能数据异常检测

标题： Explainable multi-class anomaly detection on functional data

提交历史

获取论文：

参考文献与引用

收藏

文献和引用工具

与本文相关的代码，数据和媒体

演示

推荐器和搜索工具

arXivLabs：与社区合作伙伴的实验项目

统计学 > 机器学习

标题： 可解释的多类功能数据异常检测 显示英文标题

标题： Explainable multi-class anomaly detection on functional data

提交历史

获取论文：

参考文献与引用

BibTeX 格式的引用

收藏

文献和引用工具

与本文相关的代码，数据和媒体

演示

推荐器和搜索工具

arXivLabs：与社区合作伙伴的实验项目

标题：可解释的多类功能数据异常检测