Question

我想开发一种算法，如果它检测到某些数字相对于另一个数字数组是奇数，并且每个数字都有一个日期，则该算法将执行操作。这些数字一天之中可能会有所不同，但是这些数字的变化率并不一定相关。

例如，数据可以是

    [
      {number: 200, date: '12:00'},
      {number: 250, date: '12:02'},
      {number: 180, date: '12:04'},
      {number: 500, date: '12:06'}
    ]

我要测试的数组是

    [
      {number: 400, date: '12:08'},
      {number: 50, date: '12:10'}
    ]

我在指定的时间间隔内收集这些数据（以上间隔为两分钟）我想检测数据是否随着时间的流逝而下降，但是由于其前后不一致，并且它可能会上升和下降，因此无法直接用以前的数据进行测量，但是我希望从长远来看。

我的问题是我应该采取什么方法？我是否需要为该任务训练模型？如果是这样，我应该采用哪种方法？我当时正在考虑编写一些硬编码规则，这些规则可以测量平均值并将数据与阈值进行比较。但这对大量数据无效，因为我所说的不一致。

如果您有任何有用的资源可以帮助我，将非常感激。

P.S。以上数据不是真实的。

谢谢。

Answer 1

您想要一个离群值检测，仅在寻找减少量。

我建议创建一个内核，该内核根据最近的值预测下一个值。初学者请参见http://nbviewer.jupyter.org/github/SheffieldML/notebook/blob/master/GPy/basic_gp.ipynb。内核可以为您提供预测以及置信度。如果您的实际值比预测的允许置信裕度低一定距离，则可以将其称为负方向的离群值并对其做出反应：Diagram of a confidence margin

是否有一种算法可以检测相对于数据集的奇数值

1 个答案: