这篇博客探讨了单变量时间序列异常检测的最新进展，区分了异常值与离群值的概念，介绍了点异常、集体异常和上下文异常的类型。文章详细阐述了时间序列的模式如趋势、季节性和周期性，以及平稳性。讨论了选择异常检测方法时需考虑的数据因素，如时态性、变量数量和标记情况。并提到了有监督、半监督和无监督的检测方法，如One-Class SVM、自动编码器和GAN。最后，概述了预测时间序列和检测异常形状的不同技术，包括似然比检验、MLP、CNN和LSTM。
ANOMALY DETECTION IN UNIVARIATE TIME-SERIES: A SURVEY ON THE STATE-OF-THE-ART
- 异常：偏离整个数据集的正态分布的数据点
异常和离群值
- 一方面，异常值和离群值等价；（本文认为两者是可交换的）
- 另一方面，有一些定义将异常值视为一个更广泛的概念，除了异常还包括噪声；
- 其他人认为离群值是数据中的损坏，而异常是不规则的点，但有特定的模式
异常的类型
- 点异常：如果一个点与其他数据明显偏离，则被认为是点异常
- 集体异常：有个别点没有异常，但一系列点被标记为异常的情况
- 上下文异常：某些点在特定的上下文中可以是正常的，而在另一个上下文中则被检测为异常
时序模式
- 趋势：时间序列的平均值不是恒定的，随着时间的推移而增加或减少
- 季节性
- 周期
- 水平：时间序列水平等于该序列的平均值
- 平稳性
- 均值恒定，时间序列不存在趋势性。
- 时间序列具有恒定的方差。
- 随着时间的推移，存在一个恒定的自相关。
- 时间序列不具有季节性，即不存在周期性波动。
- 噪声
最低0.47元/天 解锁文章
扫一扫
1482
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
