Python 结合数据异常检测的时间序列异常检测
我正在开发一个数据异常检测系统,到目前为止,我已经尝试了以下两种方法: 监督一类支持向量机 无监督K-均值 但我很难想出一种算法来检测日期时间异常,比如说,在2013年4月12日之后,就不能有一个日期为2016年3月12日的寄存器。 你能给我指出一些算法,链接,任何可以学习时间序列模式的东西,它们可以以某种方式与前面的方法相结合吗Python 结合数据异常检测的时间序列异常检测,python,machine-learning,time-series,Python,Machine Learning,Time Series,我正在开发一个数据异常检测系统,到目前为止,我已经尝试了以下两种方法: 监督一类支持向量机 无监督K-均值 但我很难想出一种算法来检测日期时间异常,比如说,在2013年4月12日之后,就不能有一个日期为2016年3月12日的寄存器。 你能给我指出一些算法,链接,任何可以学习时间序列模式的东西,它们可以以某种方式与前面的方法相结合吗 我不是要一个超级具体的解决方案,而是要一个可能帮助我克服这个问题的方法的建议。要在时间序列上应用异常检测技术,您可能需要将日期格式转换为整数列表。例如,到数据中最新日
我不是要一个超级具体的解决方案,而是要一个可能帮助我克服这个问题的方法的建议。要在时间序列上应用异常检测技术,您可能需要将日期格式转换为整数列表。例如,到数据中最新日期的天数。因为您没有进行实时检测,所以可以使用这样的算法来查找突出的日期时间点。如果需要,您可以使用输出的结果来训练SVM/K-means以进行验证,但上述算法对于异常检测应该足够了 要在时间序列上应用异常检测技术,您可能需要将日期格式转换为整数列表。例如,到数据中最新日期的天数。因为您没有进行实时检测,所以可以使用这样的算法来查找突出的日期时间点。如果需要,您可以使用输出的结果来训练SVM/K-means以进行验证,但上述算法对于异常检测应该足够了 在库拉有关于这个的,在库拉有关于这个的。