分别用四种不同的方法对时序序列的异常点检测

 运行效果：分别用四种不同的方法对时序序列的异常点检测_哔哩哔哩_bilibili

1.时序数据（是对第四列（Dissolved Oxygen）溶解氧进行异常点检测）

2.四种异常点检测模型

2.1.iForest算法

对水质记录数据集中的溶解氧（Dissolved Oxygen）进行异常检测，并通过 Isolation Forest 算法识别出异常点。

具体流程如下：

1. 导入所需的库和模块，包括 numpy、pandas、matplotlib、sklearn.metrics 中的 roc_auc_score，以及 sklearn.ensemble 中的 IsolationForest。

2. 设置绘图相关的参数。

3. 读取数据集并提取出溶解氧一列。

4. 将溶解氧数据转换成二维数组，以便后续处理。

5. 构建 IsolationForest 模型，并通过 fit 方法拟合数据。

6. 通过 decision_function 方法获得每个数据点的异常程度，并将预测结果保存在 item 变量中。

7. 使用 predict 方法预测每个数据点是否为异常点，并将预测结果保存在 pre 变量中。由于 Isolation Forest