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

---

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。