python - python监督学习与数据集分类

我是深度学习的新手，目前正在研究某个主题。我正在寻找时间序列模式中异常的机器学习检测及其在python中的实现。

例如，我记录了某个时间间隔内计算机的不同CPU频率。我想实现一种监督学习算法，该算法将CPU频率的时间序列作为输入，并确定在这段时间内是否发生了任何“异常”（异常CPU使用情况等）。

编辑：

我的数据集看起来是这样的，每10秒钟测量一次当前的CPU频率。我没有为每组指定确切的数据点数量，以下仅用于说明。但我希望每组大约2500个数据点：

数据集_1：{1.2、1.2、1.6、1.3、1.5、1.7、1.6、1.4、1.5}->标签：“好”

数据集_2：{1.3、1.2、1.4、1.3、1.4、1.5、1.9、2.1、2.0}->标签：“好”

Dataset_n：{1.3、1.2、3.6、3.5、1.4、1.5、3.3、3.2， 1.2}->标签：“不好”

我对监督ML算法的理解是，我拥有训练数据集。但是，到目前为止，我发现的每个教程都始终标记数据集中的每个值。就我而言，这是不可能的，因为我只能告诉我的ML算法：

a）此时间序列数据集正常

b）在此数据集中有些不正常

但是我无法标记每个单独的值，这意味着我不能说：

1.2->好

1.3->不好

1.4->好

由于存在许多不同的ML算法，因此初学者很难确定哪种算法是可以使用的。所以我的问题是：

我可以使用哪种算法（由python实现）作为开始，该算法接受整个数据集的标签，并且不希望每个值都被标记。

我希望这个问题有道理，我们欢迎您一如既往地进行编辑！谢谢！