时间序列的区间预测 |时间序列异常
Interval Prediction for a Time Series | Anomaly in Time Series
我有一个时间序列，我试图在其中检测异常。问题是，对于这些异常，我希望有一个范围，数据点应该位于该范围内，以避免成为异常点。我正在使用 ML .Net 算法来检测异常，我已经完成了那部分，但是如何获得范围？
如果我可以通过某种方式获得时间序列中点的范围，我可以绘制它们并显示超出此范围的点是异常点。
我尝试使用预测区间计算来计算范围，但这对时间序列中的所有数据点都不起作用。
比如，假设我有 100 个点，我取 100/4，即 25 作为滑动 window 来计算下一个点，即第 26 个点的预测区间，但问题是如何计算前 25 个点的预测区间？
在固定长度滑动window上运行的方法通常需要填充整个window，以便进行输出。在这种情况下，如果您想获得第一个数据点的预测（以及异常分数），则必须在开头填充输入序列。然而，可能很难使填充后的数据真实，这可能导致预测不佳。
一种绝妙的技术是使用两种不同的模型计算异常分数，一个在正向，另一个在反向，以获得所有地方的分数。但是，现在您必须决定如何处理有两组预测的区域 - 使用 min/max/average 异常分数。
有一些模型可以很好地处理可变长度输入，例如使用递归神经网络制作的序列到序列模型。
我有一个时间序列，我试图在其中检测异常。问题是，对于这些异常，我希望有一个范围，数据点应该位于该范围内，以避免成为异常点。我正在使用 ML .Net 算法来检测异常，我已经完成了那部分，但是如何获得范围？
如果我可以通过某种方式获得时间序列中点的范围，我可以绘制它们并显示超出此范围的点是异常点。
我尝试使用预测区间计算来计算范围，但这对时间序列中的所有数据点都不起作用。
比如，假设我有 100 个点，我取 100/4，即 25 作为滑动 window 来计算下一个点，即第 26 个点的预测区间，但问题是如何计算前 25 个点的预测区间？
在固定长度滑动window上运行的方法通常需要填充整个window，以便进行输出。在这种情况下，如果您想获得第一个数据点的预测（以及异常分数），则必须在开头填充输入序列。然而，可能很难使填充后的数据真实，这可能导致预测不佳。
一种绝妙的技术是使用两种不同的模型计算异常分数，一个在正向，另一个在反向，以获得所有地方的分数。但是，现在您必须决定如何处理有两组预测的区域 - 使用 min/max/average 异常分数。
有一些模型可以很好地处理可变长度输入，例如使用递归神经网络制作的序列到序列模型。