Результаты исследований: Вклад в журнал › Статья › Рецензирование
Результаты исследований: Вклад в журнал › Статья › Рецензирование
}
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 -
ID: 41646610