时序异常检测--四种不同类型方法的文字流程
方法 1. 基于预测与统计的时序数据异常检测(Prophet+3σ)
(1) 创建 Prophet 对象,指定节假日参数,然后对过去数据进行训练。
(2) 建立预测框架,指定数据粒度和预测步长,然后按步长对未来日期进行预测并绘制预测效果图和成分趋势图。(效果图中黑点是实际值,蓝色是预测值, 浅蓝色是上下界;成分趋势图有四个,分别对应增长趋势模型、节假日、季节性 (每周、每年)的展示)。
(3) 检测时段内的数据,如果符合正态分布,则计算均值、标准差。最后,在 Prophet 预测上下界的基础上分别加减3σ得到数据波动的合理范围,当实际数据超过这个范围时则标注为异常数据。
方法二:ARIMA 模型(适用于单变量时序预测)
(1) 对原始序列进行平稳性检验,若