問題タブ [anomaly-detection]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 1D 配列またはリストの分離フォレスト Sklearn とハイパー パラメーターの調整方法
1D配列またはリストにsklearn分離フォレストを実装する方法はありますか? 私が遭遇したすべての例は、2次元以上のデータ用です。
私は現在、3 つの機能を備えたモデルを開発しており、抜粋したサンプル コードを以下に示します。
私が主に頼ったリファレンス: IsolationForest の例 | scikit 学習
df_data は、3 つの列を持つデータ フレームです。私は実際に 1 ディメンションまたはリスト データで異常値を見つけようとしています。
もう 1 つの質問は、アイソレーション フォレスト モデルをどのように調整するかということです。方法の 1 つは、汚染値を増やして誤検知を減らすことです。ただし、n_estimators、max_samples、max_features、verbose などの他のパラメーターの使用方法。
python - 時系列データに適したアルゴリズムはどれですか?
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。
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?