多元时间序列异常检测

Question

我有一个时间序列数据，看起来像下面的示例数据。如您所见，我有四个事件以及每个小时之间每个事件发生的总数。

一个小时后，我将获得每个事件的新发生次数，因此我想根据事件的历史水平来判断该事件的数目是否异常。 我认为如果为每个事件构建四个不同的回归很容易，但是在现实生活中我可能会遇到很多事件，这会使效率降低，所以我想知道解决此问题的最佳方法是什么？我应该尝试的任何型号？我了解了有关KNN的信息，但是我不需要KNN的分类标签吗？

Answer 1

这是时间序列数据的示例，您可以尝试以下步骤（按此顺序）：

• 绘制数据以获得直观的理解
• 使用简单的z分数异常检测
• 使用滚动平均值和滚动std异常检测
• 基于ARMA的模型
• STL（季节性分解黄土）
• 基于LTSM的深度学习模型

我认为该TS数据是单变量的，因为尚不清楚事件是否相关（您未提供名称或上下文）。如果它们之间是相关的，则可以查看它们之间的相关程度（相关性和协整性），并对相关性进行一些异常检测。