Sign In

Automatic Unsupervised Ensemble Outlier Model Selection--Extended Version

μž‘μ„±μž
  • Haebom
μΉ΄ν…Œκ³ λ¦¬
Empty

μ €μž

Hong-Phuc Phan, Tuan-Anh Vu, Tung Kieu, Son Ha Xuan, Bin Yang, Christian S. Jensen

πŸ’‘ κ°œμš”

λ³Έ 논문은 λ ˆμ΄λΈ”μ΄ μ—†λŠ” λ°μ΄ν„°μ—μ„œλ„ κ°•κ±΄ν•œ μ΄μƒμΉ˜ 탐지 μ„±λŠ₯을 λ‹¬μ„±ν•˜κΈ° μœ„ν•΄, μ—¬λŸ¬ μ΄μƒμΉ˜ 탐지 λͺ¨λΈμ„ 효과적으둜 μ‘°ν•©ν•˜λŠ” μžλ™ν™”λœ 비지도 앙상블 λͺ¨λΈ 선택 ν”„λ ˆμž„μ›Œν¬μΈ MetaEnsλ₯Ό μ œμ•ˆν•©λ‹ˆλ‹€. MetaEnsλŠ” λ ˆμ΄λΈ”μ΄ μžˆλŠ” 메타 데이터셋을 ν™œμš©ν•˜μ—¬ μƒˆλ‘œμš΄ λͺ¨λΈ μΆ”κ°€ μ‹œ μ˜ˆμƒλ˜λŠ” μ„±λŠ₯ ν–₯상을 μ˜ˆμΈ‘ν•˜κ³ , νƒμš•μ  순차 선택과 ν•¨κ»˜ λ‹€μ–‘μ„± 및 μœ„ν—˜ μ‘°μ ˆμ„ 톡해 효율적인 앙상블을 κ΅¬μ„±ν•©λ‹ˆλ‹€. μ‹€ν—˜ κ²°κ³Ό, MetaEnsλŠ” 39개의 μ‹€μ œ λ°μ΄ν„°μ…‹μ—μ„œ μ΅œμ²¨λ‹¨ 비지도 선택 방법둠 및 앙상블 베이슀라인 λŒ€λΉ„ μš°μˆ˜ν•œ μ„±λŠ₯을 보이며, 적은 수의 λͺ¨λΈλ‘œ 높은 탐지 정확도λ₯Ό λ‹¬μ„±ν–ˆμŠ΅λ‹ˆλ‹€.

πŸ”‘ μ‹œμ‚¬μ  및 ν•œκ³„

β€’
λ ˆμ΄λΈ” 데이터 없이도 κ³ ν’ˆμ§ˆμ˜ μ΄μƒμΉ˜ 탐지 앙상블을 μžλ™μœΌλ‘œ ꡬ성할 수 μžˆμ–΄, μ‹€μ œ 적용 κ°€λŠ₯성이 λ†’μŠ΅λ‹ˆλ‹€.
β€’
λ‹€μ–‘ν•œ μ΄μƒμΉ˜ 탐지 λͺ¨λΈλ“€μ„ 효과적으둜 μ„ λ³„ν•˜μ—¬ 앙상블 포화(ensemble saturation) 문제λ₯Ό μ™„ν™”ν•˜κ³  μ„±λŠ₯을 ν–₯μƒμ‹œν‚΅λ‹ˆλ‹€.
β€’
메타 데이터셋 ꡬ좕 및 λͺ¨λΈ 선택 κ³Όμ •μ—μ„œ 계산 λΉ„μš©μ΄ λ°œμƒν•˜λ©°, 메타 ν•™μŠ΅μ„ μœ„ν•œ λ³„λ„μ˜ λ ˆμ΄λΈ” 데이터셋이 ν•„μš”ν•©λ‹ˆλ‹€.
πŸ‘
Made with Slashpage