thedatumorg/TSB-AD

何を解決するか

TSB-ADは時系列異常検出（TSAD）における「部屋にいる象」である、不完全なデータセット、偏った評価指標、一貫性のないベンチマーク手法という問題に対処します。多様なデータタイプにわたる異なる検出アルゴリズムを信頼性高く比較できる標準化されたフレームワークを提供します。

仕組み

TSB-ADは以下の3つの主要な構成要素からなる包括的なベンチマークスイートを実装しています：

1. データセットの整合性：人間の知覚とモデルの解釈を組み合わせた、40種類の多様なデータセットからなる1,070件の高品質時系列データのキュレートされたコレクション。
2. 評価指標の信頼性：TSADの指標における一般的なバイアスを回避するために、最も信頼性が高く正確な評価指標としてVUS-PRを特定・採用。
3. 包括的なベンチマーク：伝統的な統計的手法（例：Isolation Forest、PCA）、ニューラルネットワーク（例：LSTM、Transformers）、現代の基礎モデル（例：Chronos、TimesFM）を含む40種類の異なる検出アルゴリズムを、統一された設定とハイパーパラメータチューニングにより統合し、公平な比較を可能に。

対象ユーザー

実世界の多様なデータ上で時系列異常検出モデルの性能を評価・比較する必要があるデータサイエンスおよび機械学習の研究者・実務家。

主な特徴

• 大規模なキュレート済みデータ：単変量（TSB-AD-U）および多変量（TSB-AD-M）データセットを含む。
• 広範なアルゴリズムカバレッジ：統計的手法、ニューラルネットワーク、基礎モデルのカテゴリにまたがる40のアルゴリズムをサポート。
• 標準化された評価：信頼性の高い精度測定を保証するため、VUS-PR指標を使用。
• 再現性のある結果：公平な比較を保証するため、統一された設定とハイパーパラメータチューニングスクリプトを提供。