技术栈
时序异常检测
像风一样自由2020
14 小时前
人工智能
·
时序异常检测
·
时间序列模型
14.时序异常检测入门到实战: 时序大模型：不训练，直接挑异常
本文是「码海寻道」《时序异常检测入门到实战》系列的第 14 篇，也是模型篇的最后一站。前面十三篇，无论统计、机器学习还是深度学习，都遵循同一个套路：为你的数据训练一个模型。这一篇的主角彻底打破它——一个在海量序列上预训练好的大模型，面对你从没见过的新数据，不训练、直接 zero-shot 挑出异常。这是异常检测的"大模型时刻"。但激动之余，我照例给你泼一盆比预测更凉的冷水。
像风一样自由2020
13 天前
人工智能
·
时序异常检测
·
时间序列模型
2.时序异常检测入门到实战：评估的陷阱：point-adjust 如何把烂模型刷成 SOTA
本文是「码海寻道」《时序异常检测入门到实战》系列的第 2 篇。上一篇结尾埋了个雷：有个叫 point-adjust 的流行评估方式，能把一个近乎随机的模型 F1 刷到 0.9+，一度让整个领域的排行榜集体注水。这一篇就来引爆它。为什么先讲评估、再讲模型？因为评估搞错了，后面比什么都是白比——你会误以为一个花哨模型很强，其实它只是沾了指标漏洞的光。这是本系列的"随机切分翻车"时刻，请务必读完。
沉木渡香
2 年前
分类
·
数据挖掘
·
时序异常检测
·
vus
·
r-auc
[2025分类&时序异常检测指标R-AUC与VUS]
梳理了一下分类中常见的指标，这些指标与时序异常检测中新提出的A-RUC与VUS之间的关系参考资料:https://github.com/TheDatumOrg/VUS
我是有底线的