NAB

displayName: NAB (Numenta Anomaly Benchmark)
license:
- AGPL-3.0
mediaTypes:
- Time series
paperUrl: https://arxiv.org/pdf/1510.03336v4.pdf
publishDate: "2015"
publishUrl: https://github.com/numenta/NAB
publisher:
- Numenta, Inc.
tags:
- Text
taskTypes:
- Anomaly Detection

---
# 数据集介绍
## 简介
第一个旨在评估实时异常检测器基准的时间基准 物联网的发展创造了大量的流数据。在这些数据中发现异常可以为机会或失败提供有价值的见解。然而，由于需要实时处理数据、不断学习和做出预测，这很难实现。我们如何评估和比较各种实时异常检测技术？ Numenta Anomaly Benchmark (NAB) 提供了一个标准的开源框架，用于评估流数据上的实时异常检测算法。通过受控、可重复的开源工具环境，NAB 奖励能够尽快发现异常、不触发误报并自动适应任何变化的统计数据的检测器。 NAB 包含两个主要组件：为流数据设计的评分系统和带有标记的真实时间序列数据的数据集。
## 引文
```
@inproceedings{lavin2015evaluating,
title={Evaluating real-time anomaly detection algorithms--the Numenta anomaly benchmark},
author={Lavin, Alexander and Ahmad, Subutai},
booktitle={2015 IEEE 14th international conference on machine learning and applications (ICMLA)},
pages={38--44},
year={2015},
organization={IEEE}
}
```

## Download dataset
:modelscope-code[]{type="git"}

displayName: NAB（Numenta异常基准测试集，Numenta Anomaly Benchmark）
license:
- AGPL-3.0
mediaTypes:
- 时间序列（Time series）
paperUrl: https://arxiv.org/pdf/1510.03336v4.pdf
publishDate: 2015年
publishUrl: https://github.com/numenta/NAB
publisher:
- Numenta公司
tags:
- 文本（Text）
taskTypes:
- 异常检测（Anomaly Detection）

---
# 数据集介绍
## 简介
本基准是首个用于评估实时异常检测器的基于时间的基准测试框架。随着物联网的蓬勃发展，海量流数据不断涌现。从这类数据中挖掘异常模式，可为业务机遇或系统故障提供极具价值的洞察。然而，由于需要对数据进行实时处理、持续学习并做出预测，实时异常检测任务极具挑战。我们应当如何评估与对比各类实时异常检测技术？Numenta异常基准测试集（NAB）提供了一套标准化的开源框架，用于评估流数据上的实时异常检测算法。在受控且可复现的开源工具环境中，NAB将对能够快速检出异常、规避误报并自动适配统计特性动态变化的检测器给予正向评分。NAB包含两大核心组件：专为流数据设计的评分系统，以及带有标注的真实世界时间序列数据集。
## 引文

@inproceedings{lavin2015evaluating,
title={Evaluating real-time anomaly detection algorithms--the Numenta anomaly benchmark},
author={Lavin, Alexander and Ahmad, Subutai},
booktitle={2015 IEEE 14th international conference on machine learning and applications (ICMLA)},
pages={38--44},
year={2015},
organization={IEEE}
}

## 数据集下载
:modelscope-code[]{type="git"}