ChangeFinder를 설치해 보았습니다.
개시하다
과거 이상 검출 방법과 시간 서열 데이터의 해석 방법을 정리했기 때문에 관심 있는 사람도 참고하세요.
ChangeFinder
자기회귀모드(AR모델) 학습에'온라인 학습'과'망각 기능'이 추가된 SDAR 알고리즘의 활용 방법은'체인지파인더'다.이것은 산서 선생님이 NEC 재적 시대에 발명한 수법이라고 한다.자세한 내용은 데이터 발굴로 인한 이상 검출에 설명되어 있으니 참조하십시오.
다음은 알고리즘을 간단하게 정리해 보겠습니다.
변경 Finder 설치
이번change finder의 총서에는 샘플 코드가 있어서 활용했습니다.
python의 코드는 다음과 같습니다.
# 必要なライブラリーのインポート
import numpy as np
import changefinder
import matplotlib.pyplot as plt
%matplotlib inline
첫 번째 필요한 총서 목록.그리고 이번에 사용된 3가지 정적 분포에 따라 무작위 수를 생성한다.
data=np.concatenate([np.random.normal(0.7, 0.05, 300),
np.random.normal(1.5, 0.05, 300),
np.random.normal(0.6, 0.05, 300),
np.random.normal(1.3, 0.05, 300)])
이어서 변경Finder로 변화점 득점을 계산한다.cf = changefinder.ChangeFinder(r=0.01, order=1, smooth=7)
ret = []
for i in data:
score = cf.update(i)
ret.append(score)
결과가 마지막으로 표시됩니다.빨간색은 원시 데이터이고 파란색은 변화 득점이다.
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(ret)
ax2 = ax.twinx()
ax2.plot(data,'r')
plt.show()
이번에 ChangeFinder에서 설정한 매개변수는 다음과 같습니다.
최후
끝까지 읽어주셔서 감사합니다.
이번에는 검출 시간 시퀀스 데이터 변화점에 대한 이상 검출 방법에 대한 체인지Finder가 샘플 코드를 확인했다.
수정 요청이 있으면 연락 주세요.
Reference
이 문제에 관하여(ChangeFinder를 설치해 보았습니다.), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/DS27/items/af375c1b8fdf2610b8a4텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)