## Memo - 極値分布のパラメータ推定は特定のケースでしかうまく動作しないため、分布のtailの部分をフィッティングするアプローチとしてPOTに着目した。 ## Abstract 時系列における[[異常検知|異常検出]]は、侵入検知、エネルギー管理、金融など多くの実世界のアプリケーションにおける重要性のために、大きな注目を集めている。異常値検出のためのほとんどのアプローチは、手動で設定した閾値や、Chan-dola, Banerjee, Kumarによるデータ分布の仮定に依存している。 本論文では、Extreme Value Theoryに基づくストリーミング一変量時系列における[[外れ値検出]]のための新しいアプローチを提案する。このアプローチは、手作業で閾値を設定する必要がなく、分布の仮定もしない。本アプローチは外れ値の検出に用いることができるが、より一般的には閾値を自動的に設定するために用いることができ、様々な状況で有用である。また、我々のアルゴリズムを様々な実世界のデータセットで実験し、その健全性と効率性を確認した。 [[2017__KDD__Anomaly Detection in Streams with Extreme Value Theory__translations]]