6种时序异常检测思路总结！

利用tsod库进行时序异常检测实战指南

最新推荐文章于 2025-02-27 09:45:23 发布

转载最新推荐文章于 2025-02-27 09:45:23 发布 · 4.1k 阅读

本文介绍了如何使用tsod库进行简单时序异常检测，包括区间异常、常数波动、范围+常数组合、梯度固定和滚动聚合检测。通过实例展示了各种检测器的应用并解读了KDD比赛中的相关背景知识。

↑↑↑关注后"星标"Datawhale

每日干货 & 每月组队学习，不错过

Datawhale干货

内容：异常检测，来源：Coggle数据科学

时序异常检测并不困难，如果你找对方法则可以在今年KDD比赛中获取比较好的成绩。本文将使用tsod库完成简单的异常检测。

tsod介绍

tsod可以完成时序数据的异常检测，是一个比较新的库，但使用起来非常方便。

https://github.com/DHI/tsod

https://github.com/DHI/tsod/blob/main/notebooks/Getting%20started.ipynb

区间异常检测

如果我们能提前确定好指标的范围，则可以依次进行判定异常。

# 最小值与最大值
rd = tsod.RangeDetector(min_value=0.01, max_value=2.0)

res = rd.detect(series)
series[res]

将识别结果进行展示：

常数波动检测

cd = tsod.ConstantValueDetector()

res = cd.detect(series)
series[res]

将识别结果进行展示：

范围+常数组合检测

combined = tsod.CombinedDetector([tsod.RangeDetector(max_value=2.0),
                                     tsod.ConstantValueDetector()])

res = combined.detect(series)
series[res]

将识别结果进行展示：

梯度固定检测

cgd = tsod.ConstantGradientDetector()
res = cgd.detect(series)

将识别结果进行展示：

滚动聚合加方差检测

rsd = tsod.RollingStandardDeviationDetector(window_size=10, center=True)

rsd.fit(normal_data)

将识别结果进行展示：

一阶差分检测

drd = tsod.DiffDetector()
drd.fit(normal_data)

将识别结果进行展示：

交流群

KDD 顶会赛事交流群

特邀分享：郑冠杰，上海交通大学助理教授，美国宾州州立大学博士
内容：KDD Cup 赛题3背景知识及解析
时间：本周六晚 20:00 - 20:30
公众号后台回复 “kdd” 可邀请进群

整理不易，点赞三连↓