是否有一种算法可以检测相对于一组数据的奇数值答案

【问题标题】：Is there an algorithm for detecting odd values relative to set of data是否有一种算法可以检测相对于一组数据的奇数值
【发布时间】：2019-08-17 11:33:26
【问题描述】：

我想开发一种算法，如果它检测到某些数字相对于另一个数字数组是奇数并且每个数字都有一个日期，则该算法会执行操作。这些数字在一天中可能会有所不同，但这些数字的变化率不一定相关。

例如，数据可以是

    [
      {number: 200, date: '12:00'},
      {number: 250, date: '12:02'},
      {number: 180, date: '12:04'},
      {number: 500, date: '12:06'}
    ]

我要测试的数组是

    [
      {number: 400, date: '12:08'},
      {number: 50, date: '12:10'}
    ]

我在规定的时间间隔内收集这些数据（上述间隔为两分钟）我想检测数据是否随着时间的推移而下降，但不能直接用以前的数据来衡量，因为它不一致，它可以下降和上升，但我希望它能够长期检查。

我的问题是我应该采用什么方法？我是否必须为该任务训练模型？如果是这样，我应该采用什么方法？我正在考虑编写一些硬编码规则来测量平均值并将数据与阈值进行比较。但它对大型数据集无效，因为它与我所说的不一致。

如果您有任何有用的资源可以提供帮助，我将非常感激。

附：以上数据不真实。

提前致谢。

【问题讨论】：

这两个数组有什么联系？从您的问题中，我了解到您想检测给定的数字系列是否大约减少。第二个系列在哪里发挥作用？

标签： algorithm machine-learning data-structures artificial-intelligence handler

【解决方案1】：

您想要一个仅搜索减少的异常值检测。

我建议创建一个内核来根据最近的值预测下一个值。对于初学者，请参阅Gaussian process regression tutorial | Jupyter nbviewer。内核可以为您提供预测以及置信度。如果您的实际值比预测的允许置信区间低一定距离以上，您可以将其称为负方向的异常值并对其做出反应：

置信区间图：

【讨论】：