本論文では、時系列データにおける異常検知のための最適なモデル選択方法について検討しています。異常検知は、様々なアプリケーションの性能に重要な影響を与える基本的なタスクですが、異なる特性を持つ時系列データセットに対しては最適な手法が存在しません。著者らは、234のモデル構成を評価し、時系列分類手法を異常検知のモデル選択に利用する初の広範な実験評価を実施しました。その結果、モデル選択手法が異常検知手法全般に対して優れた性能を示すことが明らかになりました。本検証は、時系列分類アルゴリズムの異常検知における精度と効率性を実証する第一歩となり、一般的なAutoMLパイプライン内のモデル選択工程を導くための強力な基準を提供します。