Metis异常检测算法源码概要

最新推荐文章于 2024-04-17 10:17:38 发布

lovelife110

最新推荐文章于 2024-04-17 10:17:38 发布

阅读量5.4k

点赞数 27

分类专栏： AIOPS

本文链接：https://blog.csdn.net/qq_33873431/article/details/106327071

版权

AIOPS 专栏收录该内容

19 篇文章 168 订阅 ¥89.90 ¥99.00

订阅专栏

这篇博客介绍了Metis异常检测算法的源码结构，包括时间序列异常检测的学习目录，如指数移动平均（EWMA）、孤立森林、XGBoost、GBDT、3-Sigma和多项式回归等算法。此外，还探讨了特征层的构建，如拟合特征、分类特征和统计特征的提取。Metis提供了一个默认的XGBoost模型，适用于时间序列异常检测。

摘要由CSDN通过智能技术生成

Metis异常检测算法源码概要

算法源码目录

以下算法目录都在此目录下
/Metis-0.3.0/time_series_detector/ 时间序列异常检测学件目录

算法层目录

/time_series_detector/algorithm/

基于指数移动平均算法（EWMA）

ewma.py 基于指数加权移动平均控制图（EWMA）理论，参考

  """
  :param alpha: Discount rate of ewma, usually in (0.2, 0.3).
  :param coefficient: Coefficient is the width of the control limits, usually in (2.7, 3.0).
  :param X: the time series to detect of
  :param type X: pandas.Series
  :return: 1 denotes normal, 0 denotes abnormal
  """

了解本专栏