使用指数加权移动平均值进行异常检测

Question

我想用指数加权移动平均线检测异常。

对于时间t的实例，我将具有数据点（DP）值。
EWMA常数为0.85（假设） 例如，

Time(t) DataPoint(t)    EMA(t-1)    EMA(t)  
1       120               0          102    
.        .                .           . 
.        .                .           . 
.        .                .           . 
.        .                .           . 
.        .                .           .     
10      300              150        277.5   

我不想将一系列数据点计算在内。

在任何时候，例如10，我想知道数据点300（在这种情况下）是否是异常。我还有EMA _{（9）= 150} 和EMA（10）= 277.5进行计算（如果需要）

有计算这个的逻辑吗？

提前致谢！

---

更新

我想到了以下逻辑，但不确定它是否可以肯定

ABS（DP-EMA（新））GT; 3 * SD {EMA（旧），EMA（新）}

（或）

ABS（DP-EMA（新））GT; 3 * EMWSD {EMA（旧），EMA（新）}

DP - 数据点
EMA - 指数加权移动平均值

Answer 1

很难说DP是或者不是异常，因为你不知道你的EMA(t-1)是如何发展的。即，如果存在许多数据点，那么它将是比仅存在一个其他数据点更好的标记。

您可以采取的一种方法是更改​​阈值。基本上，如果EMA变化超过百分比，您认为它是异常的。然而，如果您的数字非常高并且差异非常小，那么这会受到影响。

您真正需要的是检测异常的标准偏差。您可以查看潜在的跟踪，并使用它来更好地确定您是否有异常。

如果您对将要使用的数据有任何了解，请更新您的问题以获得更有针对性的帮助。

更新：

为了回应您添加的数据，我假设您希望300为异常（您的其他值为120和150）。我上面建议的方法将起作用，但是如果300之后的数字更正常，比如说170可能也被标记为异常。

恕我直言，你对新价值的重视是过分的。我会做相反的事情：

  

new = .85 * old + .15 * newDP

而不是你拥有的

  

new = .15 * old + .85 * newDP

如果你改变我的建议，你会得到公平的结果。根据您的总体目标，公平结果可能就足够了。