問題タブ [anomaly-detection]

私は時系列での異常検出についてはかなり新しいので、私の質問は一部の人にとっては明らかです。今日、私は lstm とクラスタリング手法を使用して時系列の異常を検出していますが、これらの方法では、時間の経過とともにゆっくりと悪化する異常 (トレンドと呼ばれると思います) を特定できません。この傾向を調べて、特別なエラーなしで増加を予測します)。この種の障害を検出する方法はありますか?

一部のデータの異常を検出しようとしています。通常のデータと異常と見なされるデータがあります。

Python の scikit-learn ライブラリの Isolation Forest を使用します。そのような通常のデータからモデルを作成しました：

予測をしようとしているとき：

正しく動作します。36 のうち 35 が異常として検出されます。

私がこれを行う場合：

突然、すべてのポイントがインライアとして分類されます。

「anomaly.reshape(1,-1)」の形状を確認したところ、(1, 2) でした。「transformed_anomaly」の形状は (36,2)

誰かがそれに関する問題を指摘できますか？

以下の Keras ブログでは、LSTM オートエンコーダーについて高レベルで言及しています。

https://blog.keras.io/building-autoencoders-in-keras.html

しかし、ベアボーンの参照コードのみが提供され、その不完全です。

質問

1. 上記のコードを拡張して、ダミーの時系列データの作業コードを開発するにはどうすればよいですか?