# MetricSifter クラウドアプリケーションの自動 [[Fault Localization]] における [[特徴量削減]] フレームワーク。[[Yuuki Tsubouchi]]・[[Hirofumi Tsuruta]] が提案。実装は github.com/ai4sre/metricsifter で公開。 - 障害起因の [[変化点検知|change point]] が時間的に密集する性質を使い、障害発生時間窓を教師なしで局所化する。4 ステップ(STEP 0 Simple Filter → STEP 1 Change Point Detection → STEP 2 Segmentation → STEP 3 Select the Largest Segment)で構成される。([[@2024__IEEE Access__MetricSifter - Feature Reduction of Multivariate Time Series Data for Efficient Fault Localization in Cloud Applications]]) - 変化点検知は mean shift cost + Pelt(Ruptures 実装)、セグメンテーションは KDE(Statsmodels 実装)。ハイパーパラメータはペナルティ重み $\omega=2.5$ と KDE bandwidth $h=3.5$。([[@2024__IEEE Access__MetricSifter - Feature Reduction of Multivariate Time Series Data for Efficient Fault Localization in Cloud Applications]]) - シミュレーション研究で balanced accuracy 0.981 を達成。各ステップを別手法に差し替え可能なフレームワークである点が主要貢献。([[@2024__IEEE Access__MetricSifter - Feature Reduction of Multivariate Time Series Data for Efficient Fault Localization in Cloud Applications]]) ## 関連 - 本ソース: [[@2024__IEEE Access__MetricSifter - Feature Reduction of Multivariate Time Series Data for Efficient Fault Localization in Cloud Applications]] - 開発者: [[Yuuki Tsubouchi]] / [[Hirofumi Tsuruta]] / [[SAKURA Internet]] - 評価データ: [[Meltria]] / [[Sock Shop]] / [[Train-Ticket]] / [[PyRCA]] - 関連概念: [[特徴量削減]] / [[Fault Localization]] / [[変化点検知]] - 関連 MOC: [[Project AI4SRE - MOC]] / [[異常検知 - MOC]] / [[SRE - MOC]]