使用 AnomalyDetectionTs 包在 R 中进行时间序列异常检测答案

【问题标题】：Time series Anomaly detection in R using AnomalyDetectionTs package使用 AnomalyDetectionTs 包在 R 中进行时间序列异常检测
【发布时间】：2020-03-12 21:54:45
【问题描述】：

我在 R 中使用 AnomalyDetectionTs 包在 275 天内检测异常，但有些观察不到 275 天

这是数据框

这里是每个类别的观察次数

但是当我运行异常检测代码时，我会看到以下错误消息：

Error in do.ply(i) : 
  task 88 failed - "With longterm=TRUE, AnomalyDetection splits the data into 2 week periods by default. You have 103 observations in a period, which is too few. Set a higher piecewise_median_period_weeks."

我在 40 周内设置了分段中位数_周期_周如下：

AnomalyDetectionTs(df, max_anoms = 0.002, direction = "both", alpha = 0.05, e_value = FALSE, plot = FALSE, y_log = FALSE,longterm=TRUE,piecewise_median_period_weeks=40)

当我只过滤超过 103 个观察的类别时，它工作正常。您能否帮我定义这个可以检测所有观察的参数（piecewise_median_period_weeks）。

【问题讨论】：

我发现的一种方法是根据每个类别的计数将动态值分配给piecewise_median_period_weeks()
我在使用这个包的 Python 版本时遇到了这个问题。解决这个问题的一种方法是使用替代函数 detect_vec 而不是 detect_ts

标签： r anomaly-detection

【解决方案1】：

我遇到了同样的问题，我用下面的方法解决了它。我正在使用 future_lapply 形式的包 future.apply 来提高性能。

future_lapply(ValuesToIterate, function(x) {
  k = 2
  repeat {
    outlier <- 
      try(
        ad_ts(y[y$var_local == x, c(var_date, var_quantityt)], max_anoms = 0.05, direction = "both",
              longterm = TRUE, na.rm = TRUE, only_last = NULL, piecewise_median_period_weeks = k)
      )
    # If there is no error return
    if (!(inherits(outlier, "try-error"))) {
      return(outlier)
    } 
    k = k + 1
    # Define a threshold
    if(k > max_k) {
      return(tibble::tibble(timestamp = NA))
    }
  }
})

在您的示例中： var_local 是类别和

ValuesToIterate 是

unique(category)

我也使用return(tibble::tibble(timestamp = NA))，因为然后我添加purrr:::map_dfr 来获得一个包含 3 列的数据框，其中某些系列没有异常，所以它们是 NA

我想使用 data.table 来解决这个问题，但我不能，因为 ad_ts 返回的时间戳数字会破坏代码。

【讨论】：