从时间序列数据中检测到异常时我遇到了一些问题。
我使用 LSTM模型来预测下次y_pred的值，下次数据的真值是y_real，所以我有 er = | y_pred - y_t | ，我使用er与 threshold = alpha * std 进行比较，得到异常数据点。但有时候，我们的数据会受到管理员或用户的影响，例如周日游戏的玩家数量将高于周一。
那么，我应该使用其他模型对异常数据点进行分类，还是使用“If else”对其进行分类？
答案 0 :(得分：4)
我认为您正在使用批处理模型（您没有使用任何实时处理框架和工具），因此在制作模型或分类时不应该有任何问题。在制作模型后，问题可能会发生一段时间，因此在此之后您的预测模型无效。 我建议一些方法可能解决这个问题： 使用实时或接近实时的处理（如apache spark，flink，storm等）。 如果发生任何更改，请使用某些条件定期检查您的数据，以便再次运行您的模型。 删除您认为可能导致问题的实例（可能会更改称为异常的数据）但在确保数据不那么重要之前。 更改算法并使用对变化不敏感的算法。