Coniferest: a complete active anomaly detection framework

要約

Python で書かれたオープンソースの汎用アクティブ異常検出フレームワークである coniferest を紹介します。
パッケージ設計と実装されたアルゴリズムについて説明します。
現在、静的外れ値検出分析は、分離フォレスト アルゴリズムを介してサポートされています。
さらに、Active Anomaly Discovery (AAD) および Pineforest アルゴリズムを使用して、アクティブな異常検出の問題に対処できます。
アルゴリズムとパッケージのパフォーマンスは、一連の合成データセットに基づいて評価されます。
また、SNAD プロジェクト内のアクティブな異常検出タスクで実際の天文データにパッケージを適用した結果として得られたいくつかの成功事例についても説明します。

要約(オリジナル)

We present coniferest, an open source generic purpose active anomaly detection framework written in Python. The package design and implemented algorithms are described. Currently, static outlier detection analysis is supported via the Isolation forest algorithm. Moreover, Active Anomaly Discovery (AAD) and Pineforest algorithms are available to tackle active anomaly detection problems. The algorithms and package performance are evaluated on a series of synthetic datasets. We also describe a few success cases which resulted from applying the package to real astronomical data in active anomaly detection tasks within the SNAD project.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google