【问题标题】:Interval Prediction for a Time Series | Anomaly in Time Series时间序列的区间预测 |时间序列异常
【发布时间】:2021-11-11 10:13:26
【问题描述】:

我有一个时间序列,我试图在其中检测异常。问题是,对于这些异常,我希望有一个数据点应该位于的范围以避免成为异常点。我正在使用 ML .Net 算法来检测异常,我已经完成了那部分,但是如何获取范围?

如果通过某种方式我可以得到时间序列中点的范围,我可以绘制它们并显示该范围之外的点是异常的。

我尝试使用预测间隔计算来计算范围,但这不适用于时间序列中的所有数据点。

例如,假设我有 100 个点,我取 100/4,即 25 作为滑动窗口来计算下一个点的预测间隔,即第 26 个点,但随之而来的问题是如何计算预测间隔前 25 分?

【问题讨论】:

  • 请提供足够的代码,以便其他人更好地理解或重现问题。

标签: python c# anomaly-detection lower-bound upperbound


【解决方案1】:

在固定长度的滑动窗口上操作的方法通常需要填充整个窗口才能进行输出。在这种情况下,如果您想获得第一个数据点的预测(以及异常分数),则必须在开始时填充输入序列。然而,使填充数据变得真实可能很困难,这可能会导致预测不佳。

一个绝妙的技术是使用两种不同的模型计算异常分数,一个是正向的,另一个是反向的,以便在任何地方获得分数。但是,现在您必须决定如何处理有两组预测的区域 - 使用最小/最大/平均异常分数。

有些模型可以很好地处理可变长度输入,例如使用循环神经网络制作的序列到序列模型。

【讨论】:

    猜你喜欢
    • 2020-10-05
    • 2015-07-23
    • 2019-10-13
    • 1970-01-01
    • 2018-09-22
    • 2019-09-20
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多