异常数据检测 | Python实现ADTK时间序列异常数据检测

15 篇文章 57 订阅 ¥29.90 ¥99.00


文章概述

异常数据检测 | Python实现ADTK时间序列异常数据检测
智能运维AIOps的数据基本上都是时间序列形式的,而异常检测告警是AIOps中重要组成部分。

模型描述

笔者最近在处理时间序列数据时有使用到adtk这个python库,在这里和大家做下分享。
什么是adtk?
adtk(Anomaly Detection Toolkit)是无监督异常检测的python工具包,它提供常用算法和处理函数:
简单有效的异常检测算法(detector)
异常特征加工(transformers)
处理流程控制(Pipe)

程序设计

  • 安装
pip install adtk

adtk数据要求
时间序列的数据主要包括时间和相应的指标(如cpu,内存,数量等)。python中数据分析一般都是pandas的DataFrame,adtk要求输入数据的索引必须是DatetimeIndex。
pandas提供了时间序列的时间生成和处理方法。

# pd.date_range
stamps = pd
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Python中,时间序列突变是指序列中出现的突然的、显著的变化。根据引用中的代码示例,可以看出构建的测试序列是一个时间序列,并且其中包含了一些突变。具体来说,该序列数据通过乘法、加法和随机噪声生成,并且在每个季节中有不同的因子(1.05、1.1、0.95、0.9)引起的突变。 因此,我们可以使用Python中的时间序列分析库(如pandas、numpy)和可视化库(如matplotlib)来检测和分析时间序列中的突变。在这个例子中,可以使用pandas的DataFrame来处理时间序列数据,并使用matplotlib来绘制时间序列图。 要检测时间序列中的突变,可以通过比较数据的前后差异来识别突变点。这可以使用差分操作来实现。差分操作可以计算出相邻数据点之间的差异,并将其用作检测突变的指标。 以下是一个示例代码,演示如何使用Python进行时间序列突变检测: ```python import pandas as pd import matplotlib.pyplot as plt # 构建测试序列 series = pd.Series((pow(np.arange(1, 40, 1), 2) * (-0.1)) + (np.arange(1, 40, 1) * 10) + 10 + np.random.normal(0, 0.01, 40) * np.tile([1.05, 1.1, 0.95, 0.9], 10), index=pd.date_range(start='2012-03-31', freq='Q-DEC', periods=40)) # 计算差分 diff = series.diff() # 绘制时间序列和差分图 fig, axs = plt.subplots(2) series.plot(ax=axs<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [使用Python库valuequant处理时间序列结构变化的建模方法3](https://blog.csdn.net/Dr_Kevin_Ye/article/details/122578433)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [Python 时间序列异常检测 ADTK](https://blog.csdn.net/BF02jgtRS00XKtCx/article/details/115343456)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

算法如诗

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值