异常数据检测 | Python实现Bayes贝叶斯时间序列异常数据检测

最新推荐文章于 2025-03-03 15:04:56 发布

Matlab建模攻城师

最新推荐文章于 2025-03-03 15:04:56 发布

阅读量1.7k

点赞数 1

分类专栏：异常数据检测文章标签：数据挖掘机器学习人工智能

本文链接：https://blog.csdn.net/qq_59771180/article/details/125123629

版权

异常数据检测专栏收录该内容

15 篇文章 ¥29.90 ¥99.00

订阅专栏

本文介绍了贝叶斯在线变点检测算法用于在线推理，适用于在线和离线信号处理，如过程控制、生物医学等领域。文章探讨了三种变点检测方法，包括贝叶斯在线检测、findchangepts函数和递归均值差最大化算法，强调了在信号分割中寻找统计特性变化的重要性，并讨论了如何评估这些变化的显著性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

文章概述

本文提出了一种用于在线推理的贝叶斯变点检测算法。与回顾性分割不同，我们关注的是因果预测滤波；只考虑已经观察到的数据，生成序列中下一个不可见数据的精确分布。

程序设计

# ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
import numpy as np
import math
import pandas as pd
import matplotli