Cómo (K-)SIF supera a FIF en la detección de anomalías de datos reales

Tabla de enlaces

Resumen y 1. Introducción

2. Antecedentes y preliminares

2.1. Bosque de aislamiento funcional

2.2 El método de la firma

3. Método de bosque de aislamiento de firmas

4. Experimentos numéricos

4.1. Análisis de sensibilidad de parámetros

4.2. Ventajas del (K-)SIF sobre el FIF

4.3. Punto de referencia para la detección de anomalías con datos reales

5. Discusión y conclusión, declaraciones de impacto y referencias

Apéndice

A. Información adicional sobre la firma

B. Algoritmos K-SIF y SIF

C. Experimentos numéricos adicionales

4.3. Punto de referencia para la detección de anomalías con datos reales

Para evaluar la efectividad de los algoritmos (K-)SIF propuestos y proporcionar una comparación con FIF, realizamos un análisis comparativo utilizando diez conjuntos de datos de detección de anomalías construidos en Staerman et al. (2019) y obtenidos del repositorio UCR (Chen et al., 2015). A diferencia de Staerman et al. (2019), no utilizamos una parte de entrenamiento/prueba ya que las etiquetas no se utilizan para el entrenamiento y entrenamos y evaluamos modelos solo en los datos de entrenamiento. Evaluamos el rendimiento de los algoritmos cuantificando el AUC bajo las curvas ROC.

Por un lado, la Figura 4 ilustra la disparidad de rendimiento entre FIF y K-SIF utilizando el diccionario browniano. Cabe destacar que K-SIF exhibe una ventaja de rendimiento significativa sobre FIF. Esta observación subraya la eficacia del kernel de firma para mejorar el rendimiento de FIF en la mayoría de los conjuntos de datos, lo que enfatiza las ventajas de utilizarlo en lugar de un producto interno simple. Por otro lado, considerando la complejidad de los datos funcionales, no se espera que ningún método único supere a otros universalmente.

Sin embargo, SIF demuestra un buen desempeño en la mayoría de los casos, logrando los mejores resultados para cinco conjuntos de datos. A diferencia de FIF y K-SIF, muestra solidez ante la variedad de conjuntos de datos sin verse drásticamente afectado por la elección de los parámetros involucrados en FIF (diccionario y producto interno) y K-SIF (diccionario).