합성 이상 주입
감지기 검증을 위해 시계열 데이터에 합성 이상 주입
이상 감지기의 성능은 관심 대상인 이상을 얼마나 잘 감지하는지에 따라 결정됩니다. 과거 데이터는 한 유형의 비정상적인 데이터를 제공하지만, 반드시 포괄적이지는 않을 수 있습니다. 시뮬레이션을 통해 추가적인 이상 징후를 파악할 수 있지만, 이를 위해서는 시뮬레이션 모델을 개발해야 한다는 단점이 있습니다.
또 다른 접근 방식은 시스템이 직면할 가능성이 높은 이상의 유형을 합리적으로 대표할 수 있는 합성 이상을 생성하는 것입니다. Time Series Anomaly Detection for MATLAB®은 시스템에 맞게 구성할 수 있는 일련의 이상 감지 모델을 제공합니다. 그런 다음 이 모델들을 데이터에 주입하여 감지기가 이를 얼마나 잘 식별하는지 테스트할 수 있습니다.
함수
syntheticAnomaly | Define the parameters of an anomaly model that can be injected into a time series (R2026a 이후) |
injectAnomaly | Inject anomalies defined by one or more anomaly models into a univariate time series (R2026a 이후) |
객체
NoiseAnomaly | Synthetic noise anomaly model for validating anomaly detection models (R2026a 이후) |
DriftAnomaly | Synthetic drift anomaly model for validating anomaly detection models (R2026a 이후) |
BiasAnomaly | Synthetic bias anomaly model for validating anomaly detection models (R2026a 이후) |
PointOutliersAnomaly | Synthetic point outliers anomaly model for validating anomaly detection models (R2026a 이후) |
도움말 항목
- 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.
