Détection de points de changement séquentiels basée sur l'estimation directe du rapport de densité

Résumé La détection de points de changement est le problème de découvrir les moments où les propriétés des données de séries temporelles changent. Cela couvre un large éventail de problèmes du monde réel et a été activement discuté dans la communauté des statistiques et de l'exploration de données. Dans cet article, nous présentons une nouvelle approche non paramétrique pour détecter le changement des distributions de probabilité des données de séquence. Notre idée clé est d'estimer le rapport des densités de probabilité, et non les densités de probabilité elles-mêmes. Cette formulation nous permet d'éviter l'estimation non paramétrique de la densité, qui est connue pour être un problème difficile. Nous fournissons un algorithme de détection de points de changement basé sur l'estimation directe du rapport de densité qui peut être calculé de manière très efficace en ligne. L'utilité de la méthode proposée est démontrée par des expériences utilisant des ensembles de données artificiels et réels. © 2011 Wiley Periodicals, Inc. Analyse statistique et exploration de données 2011