合成異常の挿入
検出器の検証用に時系列データに合成異常を挿入する
異常検出器の性能は、対象の異常をどの程度検出できるかで決まります。履歴データは異常データの 1 つのタイプを提供しますが、それが包括的なものであるとは限りません。シミュレーションで追加の異常シグネチャを提供することもできますが、それにはシミュレーション モデルの開発が必要になります。
代わりの方法として、システムで発生しそうな異常の種類を合理的に表すことができる合成異常を作成します。Time Series Anomaly Detection for MATLAB® には、システムに応じて構成できる一連の異常モデルが用意されています。その後、それらのモデルをデータに挿入し、検出器でどの程度識別されるかをテストできます。
関数
syntheticAnomaly | Define the parameters of an anomaly model that can be injected into a time series (R2026a 以降) |
injectAnomaly | Inject anomalies defined by one or more anomaly models into a univariate time series (R2026a 以降) |
オブジェクト
NoiseAnomaly | Synthetic noise anomaly model for validating anomaly detection models (R2026a 以降) |
DriftAnomaly | Synthetic drift anomaly model for validating anomaly detection models (R2026a 以降) |
BiasAnomaly | Synthetic bias anomaly model for validating anomaly detection models (R2026a 以降) |
PointOutliersAnomaly | Synthetic point outliers anomaly model for validating anomaly detection models (R2026a 以降) |
トピック
- Detecting Anomalies in Time Series
Examine the general workflow for developing anomaly detectors that detect anomalous subsequences in time series.
- Use Synthetic Anomalies to Help Validate Anomaly Detector Models
This example shows how to generate synthetic anomalies that you can use to support the testing and validation of anomaly detector models.
