algorithm - 是否有一种算法可以检测相对于数据集的奇数值

Question

我想开发一种算法，如果它检测到某些数字相对于另一组数字是奇数并且每个数字都有一个日期，则该算法会采取行动。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'}
    ]

我在定义的时间间隔内收集这些数据(上面的间隔是两分钟)我想检测数据是否随着时间的推移而下降，但它不能直接用以前的数据测量，因为它不一致，它可能会下降和上升，但我希望它能长期检查。

我的问题是我应该采用什么方法？我必须为该任务训练模型吗？如果是这样，我应该实现什么方法？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，我将不胜感激。

附言以上数据不真实。

提前致谢。

Answer 1

您需要一个仅搜索减少量的离群值检测。

我建议创建一个内核，根据最近的值预测下一个值。参见 Gaussian process regression tutorial | Jupyter nbviewer对于初学者。内核可以为您提供预测和置信度。如果您的实际值比预测的允许置信度低一定距离，您可以将其称为负方向的异常值并对其使用react:

置信度图: