Buchumschlag

MacrOData: New Benchmarks of Thousands of Datasets for Tabular Outlier Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ding, Xueying, Klüttermann, Simon, Wen, Haomin, Chen, Yilong, Akoglu, Leman
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

From Zero to Hero: Advancing Zero-Shot Foundation Models for Tabular Outlier Detection
von: Ding, Xueying, et al.
Veröffentlicht: (2026)

VIP-COP: Context Optimization for Tabular Foundation Models
von: Chen, Yilong, et al.
Veröffentlicht: (2026)

FoMo-0D: A Foundation Model for Zero-shot Tabular Outlier Detection
von: Shen, Yuchen, et al.
Veröffentlicht: (2024)

Outlier Detection Bias Busted: Understanding Sources of Algorithmic Bias through Data-centric Factors
von: Ding, Xueying, et al.
Veröffentlicht: (2024)

Fast Unsupervised Deep Outlier Model Selection with Hypernetworks
von: Ding, Xueying, et al.
Veröffentlicht: (2023)

Toward Privileged Foundation Models:LUPI for Accelerated and Improved Learning
von: Ding, Xueying, et al.
Veröffentlicht: (2026)

CoBAD: Modeling Collective Behaviors for Human Mobility Anomaly Detection
von: Wen, Haomin, et al.
Veröffentlicht: (2025)

Pard: Permutation-Invariant Autoregressive Diffusion for Graph Generation
von: Zhao, Lingxiao, et al.
Veröffentlicht: (2024)

Deep Transductive Outlier Detection
von: Klüttermann, Simon, et al.
Veröffentlicht: (2024)

Unified Discrete Diffusion for Categorical Data
von: Zhao, Lingxiao, et al.
Veröffentlicht: (2024)

Uncertainty-aware Human Mobility Modeling and Anomaly Detection
von: Wen, Haomin, et al.
Veröffentlicht: (2024)

Exploring the Impact of Outlier Variability on Anomaly Detection Evaluation Metrics
von: Ok, Minjae, et al.
Veröffentlicht: (2024)

Self-Tuning Self-Supervised Image Anomaly Detection
von: Yoo, Jaemin, et al.
Veröffentlicht: (2023)

FoMo X: Modular Explainability Signals for Outlier Detection Foundation Models
von: Klüttermann, Simon, et al.
Veröffentlicht: (2026)

We Need to Rethink Benchmarking in Anomaly Detection
von: Röchner, Philipp, et al.
Veröffentlicht: (2025)

Descriptive Kernel Convolution Network with Improved Random Walk Kernel
von: Lee, Meng-Chieh, et al.
Veröffentlicht: (2024)

Activation Steering for Synthetic Data Generation: The Role of Diversity in Downstream Safety Detection
von: Deshpande, Vijeta, et al.
Veröffentlicht: (2026)

Hierarchical Token Prepending: Enhancing Information Flow in Decoder-based LLM Embeddings
von: Ding, Xueying, et al.
Veröffentlicht: (2025)

Unsupervised Surrogate Anomaly Detection
von: Klüttermann, Simon, et al.
Veröffentlicht: (2025)

RangeAD: Fast On-Model Anomaly Detection
von: Hinkamp, Luca, et al.
Veröffentlicht: (2026)

Rare anomalies require large datasets: About proving the existence of anomalies
von: Klüttermann, Simon, et al.
Veröffentlicht: (2025)

End-To-End Self-Tuning Self-Supervised Time Series Anomaly Detection
von: Deforce, Boje, et al.
Veröffentlicht: (2024)

Polyra Swarms: A Shape-Based Approach to Machine Learning
von: Klüttermann, Simon, et al.
Veröffentlicht: (2025)

RFOD: Random Forest-based Outlier Detection for Tabular Data
von: Ang, Yihao, et al.
Veröffentlicht: (2025)

Structured Prompt Optimization Meets Reinforcement Learning for Global and Local Interpretability over Complex Text
von: Zhou, Tianyang, et al.
Veröffentlicht: (2026)

Mitra: Mixed Synthetic Priors for Enhancing Tabular Foundation Models
von: Zhang, Xiyuan, et al.
Veröffentlicht: (2025)

Tabular Data Adapters: Improving Outlier Detection for Unlabeled Private Data
von: Herurkar, Dayananda, et al.
Veröffentlicht: (2025)

Fin-Fed-OD: Federated Outlier Detection on Financial Tabular Data
von: Herurkar, Dayananda, et al.
Veröffentlicht: (2024)

PyGOD: A Python Library for Graph Outlier Detection
von: Liu, Kay, et al.
Veröffentlicht: (2022)

Unsupervised Symbolic Anomaly Detection
von: Hossain, Md Maruf, et al.
Veröffentlicht: (2026)

Rethinking Evaluation for LLM Hallucination Detection: A Desiderata, A New RAG-based Benchmark, New Insights
von: Chen, Wenbo, et al.
Veröffentlicht: (2026)

Efficient Generation of Hidden Outliers for Improved Outlier Detection
von: Cribeiro-Ramallo, Jose, et al.
Veröffentlicht: (2024)

Kernel Outlier Detection
von: Dağıdır, Can Hakan, et al.
Veröffentlicht: (2025)

Towards Foundation Models for Consensus Rank Aggregation
von: Jin, Yijun, et al.
Veröffentlicht: (2026)

An Expanded Benchmark that Rediscovers and Affirms the Edge of Uncertainty Sampling for Active Learning in Tabular Datasets
von: Lu, Po-Yi, et al.
Veröffentlicht: (2023)

Unsupervised Parameter-free Outlier Detection using HDBSCAN* Outlier Profiles
von: Ghosh, Kushankur, et al.
Veröffentlicht: (2024)

Contextual Learning for Anomaly Detection in Tabular Data
von: King, Spencer, et al.
Veröffentlicht: (2025)

On the Effectiveness of Heterogeneous Ensemble Methods for Re-identification
von: Klüttermann, Simon, et al.
Veröffentlicht: (2024)

Label-Informed Outlier Detection Based on Granule Density
von: Chen, Baiyang, et al.
Veröffentlicht: (2025)

Unsupervised Graph Outlier Detection: Problem Revisit, New Insight, and Superior Method
von: Huang, Yihong, et al.
Veröffentlicht: (2022)