python - 时间序列异常检测与数据异常检测相结合

Question

关闭。这个问题需要多问 focused 。目前不接受答案。

---

想要改进此问题吗？更新问题，使其仅关注一个问题 editing this post .

已关闭 2 年前。

Improve this question

我正在开发数据异常检测系统，到目前为止我已经尝试了以下两种方法:

• 有监督(一类 SVM)
• 无监督(K 均值)

但是我很难想出一种检测日期时间异常的算法，例如在 2013 年 12 月 4 日之后不可能有日期为 2016 年 12 月 3 日的寄存器。您能给我指出一些算法、链接或任何可以学习时间序列中的模式并可以以某种方式与以前的方法相结合的算法吗？

我并不是要求一个 super 具体的解决方案，而是要求有关可能帮助我克服这个问题的某种方法的建议。

Answer 1

要对时间序列应用异常检测技术，您可能需要将日期格式转换为整数列表。例如，距数据中最新日期的天数。由于您没有进行实时检测，因此您可以使用类似 post 的算法。找到突出的日期时间点。如果需要，您可以使用输出结果来训练 SVM/K-means 进行验证，但上述算法对于异常检测来说应该足够了。