Методы обнаружения аномалий в потоковых данных высокой размерности

В статье рассматривается применимость алгоритмов машинного обучения, использующихся для решения задачи обнаружения аномалий, к непрерывным потокам данных высокой размерности, таким как показания датчиков и сенсоров или векторные представления последовательных данных, таких как части видеоряда. Ключевыми аспектами применимости алгоритмов являются возможности «холодного старта», онлайн-обучения, коррекции ответов, путем взаимодействия с оператором, а также вычислительная сложность и производительность. В статье рассмотрены детали реализации алгоритмов для возможности обработки данных высокой размерности, а также приведен сравнительных анализ их качества по нескольким метрикам машинного обучения.