# GutenTAG **Good Time Series Anomaly Generator**。[[Hasso Plattner Institute]] の [[Sebastian Schmidl]]・[[Phillip Wenig]] らが [[TimeEval]] プロジェクト([[@2022__PVLDB__Anomaly Detection in Time Series - A Comprehensive Evaluation]])で開発した時系列合成データ生成ツール。GitHub: HPI-Information-Systems/gutentag で公開。 ## 生成能力 - **基底波形**: 正弦波(Sine) / ECG / ランダムウォーク(Random Walk) / CBF(Cylinder Bell Funnel) / 多項式(Polynomial) - **注入できる異常の種類(9 種)**: 振幅(amplitude) / 極値(extremum) / 周波数(frequency) / 平均(mean) / パターン(pattern) / パターンシフト(pattern shift) / 定常(platform) / トレンド(trend) / 分散(variance) - **調整可能なパラメータ**: 系列長・分散・振幅・周波数・次元数 ## 役割 実世界データセットのラベル品質問題([147] Wu & Keogh: "all current time series anomaly detection benchmarks are flawed")を回避するために開発。PVLDB 2022 では [[TimeEval]] の 976 データセット中 193 件が GutenTAG 生成系列であり、ハイパーパラメータ調整の基準データセットとしても用いられた。制御されたラベルにより異常タイプ別・基底波形別の手法性能比較が可能になる。