awesome-TS-anomaly-detection

_時系列_データの異常検知のためのツールとデータセットのリスト。

すべてのリストはアルファベット順です。リスト内では、メンテナンスされていないプロジェクトよりもメンテナンスされているプロジェクトが優先されます。 リポジトリは、最新のコミットが1年以上前である場合、または作者によって明示的に記載されている場合、「メンテナンスされていない」と見なされます。

🎓 このコレクションが役に立ち、引用したい場合は、引用ポリシーに従ってください。

異常検知ソフトウェア

関連ソフトウェア

このセクションには、予測、一般的な時系列分析、ラベリングなど、異常検知に関連するタスクのための時系列ソフトウェアが含まれている。

予測

時系列分析

ラベリング

ベンチマークデータセット

• NumentaのNAB

NABは、ストリーミング・リアルタイムアプリケーションにおける異常検知アルゴリズムを評価するための新しいベンチマークである。50以上のラベル付きの実世界および人工の時系列データファイルと、リアルタイムアプリケーション向けに設計された新しいスコアリングメカニズムで構成されている。

• YahooのWebscope S5

このデータセットは、異常点がタグ付けされた実データおよび合成データの時系列で構成されている。外れ値や変化点を含むさまざまな異常タイプの検出精度をテストする。

• 2020 SkoltechのSKAB

SKAB（Skoltech Anomaly Benchmark）は、異常検知アルゴリズムを評価するために設計されている。このベンチマークには現在、30以上のデータセットと、アルゴリズム評価のためのPythonモジュールが含まれている。各データセットは、テストベッドに設置されたセンサーから収集された多変量時系列を表している。外れ値検出と変化点検出の問題を解く結果を評価するために、すべてのインスタンスにラベルが付けられている。

• 2018 AIOpsのKPI-Anomaly-Detection

このデータセットは、グラウンドトゥルースラベル付きのインターネット企業の多くの実シナリオからのKPI（重要業績評価指標）時系列データで構成されている。より詳細な説明については、以下をクリック。

引用ポリシー

このリポジトリを引用したい場合は、次のDOIを使用してください：

または次のBibTexを使用してください

 @article{medico2020, 
          title={rob-med/awesome-TS-anomaly-detection}, 
          DOI={10.5281/zenodo.3972944}, 
          abstractNote={A collection of tools and datasets for anomaly detection on time-series data.}, 
          publisher={Zenodo}, author={Roberto Medico}, year={2020}, month={Aug}}