时序数据处理
文章平均质量分 92
清塘荷韵_kathy
打不死的小强
展开
-
Identifying Bad Software Changes via Multimodal Anomaly Detection for Online Service Systems
为了识别软件变更中的问题,文章提出了一种叫“SCWarn”的方法,方法的主要思想是利用多模态学习,从异构数据源中识别异常。用商业银行的真实数据进行了试验验证,同时在两个数据集(Train- Ticket [65] and E-commerce [18])进行了实验,该方法的 F1-score 可以达到0.95。服务发布后进行变更检测,现有变更检测工作主要是采用异常检测(或变化点检测)算法来检测部署后业务KPI是否存在异常行为。对于异常检测,主要有针对KPI和日志的异常检测,现有的异常检测算法或工具并非专原创 2021-12-04 11:27:23 · 756 阅读 · 0 评论 -
时间序列预测--xgboost
实验数据:数据每分钟一个点,共获取7天的数据。def xgboost_model_forecast(data, step): """ 将原始数据分割为两部分,一部分进行训练,一部分用于模型评估(默认近三天), 然后预测未来step hours的数据 :param data: dataframe格式,index,val :param hours: 要预测...原创 2020-04-17 16:26:41 · 2021 阅读 · 0 评论