私は監視チームで働いており、ツールに対するクライアントの負荷を監視しています。時系列ごとにレイテンシを記録しました。
最初は、異常検出を高めるために静的なしきい値を維持しました。ただし、季節性が発生すると機能しません。現在、データに ML を適用することを計画しています。
私のデータは次のようになります。
volume_nfs_ops timestamp mount_point
---------------------------------------------------------
2103 6/28/2018 3:16 /slowfs/us01dwt2p311
12440 6/28/2018 6:03 /slowfs/us01dwt2p311
14501 6/28/2018 14:20 /slowfs/us01dwt2p311
12482 6/28/2018 14:45 /slowfs/us01dwt2p311
10420 6/28/2018 18:09 /slowfs/us01dwt2p311
7203 6/28/2018 18:34 /slowfs/us01dwt2p311
14104 6/28/2018 21:58 /slowfs/us01dwt2p311
6996 6/29/2018 7:35 /slowfs/us01dwt2p311
11282 6/29/2018 8:39 /slowfs/us01dwt2p311
Google で検索すると、ARIMA が時系列に最適なモデルであることがわかりました。私は数学に向いており、それぞれの ARIMA が私のデータセットに適しているかどうかを判断できます。
私の質問は、Python で実装するのに最適なアルゴリズムはどれですか? 異常を見つけるためにどの要因を考慮する必要がありますか?