Time Series Anomaly Detection

 

这里有个2015年的综述文章，概括的比较好，各种技术的适用场景.  https://iwringer.wordpress.com/2015/11/17/anomaly-detection-concepts-and-techniques/

 

其中 Clustering 技术可以使用 K-Means, Gaussian Mixture Model. GMM 模型可以参考这个很棒的文章 https://colab.research.google.com/github/jakevdp/PythonDataScienceHandbook/blob/master/notebooks/05.12-Gaussian-Mixtures.ipynb#scrollTo=2l9rOarpNSi0

还有一个比较新的 2019 年的 DEEP LEARNING FOR ANOMALY DETECTION: A SURVEY https://arxiv.org/pdf/1901.03407.pdf. 对所有领域的异常检测做了综述.

 

unsupervised：

1. Isolation Forest Algorithm
2. Local Outlier Factor(LOF) Algorithm 
3. Clustering:GMM，与时序无关，只是基于统计的
4. Clustering: K-means
5. Boxplot

ref: https://www.kaggle.com/pavansanagapati/anomaly-detection-credit-card-fraud-analysis

 

RNN 的应用

 https://github.com/chickenbestlover/RNN-Time-series-Anomaly-Detection

 

https://towardsdatascience.com/time-series-of-price-anomaly-detection-13586cd5ff46 聚类的一些常用方法