Task_01

异常检测基本概念与方法

1.比如基于模型方法的异常检测：异常检测是一种技术，一般首先建立一个数据模型，对于不能完美拟合或偏离模型非常远的数据很可能是异常的。

2.高斯分布特点：高斯分布是自然界最常见的分布形态，用它来做异常检测是非常合适的模型。枪打出头鸟，那些分布在两端的小概率事件，要么好的出奇（右边），要么差得离谱（左边）。

3.异常检测场景（补充）：

    . 在工业制造。比如某个制造飞机引擎的公司，从飞机引擎提取出一系列的特征值，并且训练出一个模型。当新制造出来的引擎符合这个模型时，就可认为是良品，如果偏离这个模型较远时，就可以认为可能有缺陷，需要进一步的检测。
    . 从一台服务器上提取出一系列特征，如内存占用，CPU 使用率，网络吞吐量，磁盘访问频率等等。利用这些特征建立一个模型。当某个服务器偏离这个模型较远时，可能这台机器快要死机了，就可以进一步查看这台机器的情况以便做出相应的处理。
    . 时间序列异常检测应用，同比，是指在相邻时段中的某一相同时间点进行比较。
    环比，是指在同一时段中的相邻时间点进行比较。对于时间序列（是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列）来说，T
    时刻的数值对于T−1
    时刻有很强的依赖性。比如流量在8:00很多，在8:01时刻的概率是很大的，但是如果07:01时刻对于8:01时刻影响不是很大。
    首先，我们可以使用最近时间窗口（T