TY - JOUR

T1 - ОБУЧЕНИЕ УСТОЙЧИВОГО К АНОМАЛИЯМ АЛГОРИТМА ЛЕСА ВРЕМЕННЫХ РЯДОВ

AU - Тюкинеев, Дмитрий Васильевич

AU - Ронкин, Михаил Владимирович

PY - 2023

Y1 - 2023

N2 - В статье рассмотрены проблемы классификации временных рядов с аномалиями. Данная задача важна тем, что при наличии аномалий классификатор может делать неверный прогноз, результаты которого могут быть критичны в определенных сферах. Проблема рассмотрена для ряда задач бинарной классификации из популярного набора данных UCR. Решение проблемы при помощи повышения робастности (регуляризации) предложено для одного из наиболее популярных алгоритмов классификации: алгоритм леса временных рядов, активно использующийся в данный момент за счет таких своих преимуществ, как интерпретируемость и невысокие потребляемые ресурсы. Данный подход позволяет получить устойчивый к аномалиям классификатор, при прогнозе которого на данных с аномалиями модель теряет в точности классификации не более 1%.

AB - В статье рассмотрены проблемы классификации временных рядов с аномалиями. Данная задача важна тем, что при наличии аномалий классификатор может делать неверный прогноз, результаты которого могут быть критичны в определенных сферах. Проблема рассмотрена для ряда задач бинарной классификации из популярного набора данных UCR. Решение проблемы при помощи повышения робастности (регуляризации) предложено для одного из наиболее популярных алгоритмов классификации: алгоритм леса временных рядов, активно использующийся в данный момент за счет таких своих преимуществ, как интерпретируемость и невысокие потребляемые ресурсы. Данный подход позволяет получить устойчивый к аномалиям классификатор, при прогнозе которого на данных с аномалиями модель теряет в точности классификации не более 1%.

UR - https://elibrary.ru/item.asp?id=54034644

M3 - Статья

SP - 206

EP - 211

JO - Научно-технический вестник Поволжья

JF - Научно-технический вестник Поволжья

SN - 2079-5920

IS - 6

ER -