# TimeEval [[Hasso Plattner Institute]] の [[Sebastian Schmidl]]・[[Phillip Wenig]] らが開発した時系列[[異常検知]]アルゴリズム評価フレームワーク。PVLDB 2022([[@2022__PVLDB__Anomaly Detection in Time Series - A Comprehensive Evaluation]])で発表。 ## 特徴 - **言語非依存**: Docker コンテナでアルゴリズムを実行するため、Python・R・Java・PyTorch・TensorFlow など任意の実装を統一インタフェースで評価できる - **クラスタ分散**: 14 台サーバ・140 並列タスクで大規模実験を自動スケジューリング - **統一出力**: 各アルゴリズムの出力(スコア・信頼度・距離等)を点単位の異常スコア系列(Definition 2.2)に正規化 - **制限管理**: 訓練 2 時間・推論 2 時間・メモリ 3 GB の制限を自動施行 ## 評価規模(PVLDB 2022) - 71 アルゴリズム(6 ファミリー × 3 学習タイプ) - 976 データセット(24 コレクションから選定、実世界 + [[GutenTAG]] 合成) - 192 ハイパーパラメータを系統的に調整 成果物は https://hpi.de/naumann/s/time-series-anomaly-detection-evaluation で公開。