시계열 및 이상 탐지

시계열의 이상을 탐지하기위한 알고리즘을 설정하고 싶습니다.이를 위해 클러스터링을 사용할 계획입니다.

• 원시 시계열 데이터가 아닌 클러스터링에 거리 매트릭스를 사용해야하는 이유는 무엇입니까?,

• 이상을 탐지하기 위해 DBscan과 같은 알고리즘 인 밀도 기반 클러스터링을 사용할 것이므로이 경우에도 효과가 있습니까? 스트리밍 데이터 용 온라인 버전이 있습니까?

• 이상이 발생하기 전에 이상을 감지하고 싶습니다. ARIMA (추세 감지 알고리즘)를 사용하는 것이 좋은 선택입니까?

첫 번째 질문과 관련하여 시계열에서 클러스터링을 수행하기 전에이 유명한 기사 (시계열 하위 시퀀스의 클러스터링은 의미가 없음) 를 읽는 것이 좋습니다 . 명확하게 작성되었으며 피해야 할 많은 함정을 보여줍니다.

이상 감지 또는 "중재 감지"는 GCTiao와 다른 사람들에 의해지지되었습니다. 과학은 반복되는 패턴을 찾는 것입니다. 이상을 탐지하는 것은 반복되는 패턴을 따르지 않는 값을 식별하는 것입니다. 우리는 뉴턴으로부터 "자연의 방법이 자신의 편차를 더 쉽게 알아 차릴 수 있다는 것을 알고, 반면에 자신의 편차를 아는 사람은 자신의 방식을 더 정확하게 설명 할 것입니다." 현재 규칙이 실패한 시점을 관찰하여 규칙을 학습합니다. 시계열 1,9,1,9,1,9,5,9를 고려하십시오. 이상을 식별하려면 패턴이 있어야합니다. "5"는 "14"만큼 비정상입니다. 패턴을 식별하기 위해 단순히 ARIMA를 사용하고이 경우 "이상"이 분명해집니다. 다른 소프트웨어 / 접근 방식을 시도하고 1,0의 ARIMA 모델을 제안하는 모델, 계수가 -1.0 인 0 Google / 검색 절차를 사용하여 "자동 arima"또는 "자동 중재 감지"를 찾으십시오. 당신이 그것을 지불하는 가치가 있기 때문에 무료 물건에 실망 할 수 있습니다. 시계열 배경이 많고 낭비하는 데 몇 년이 걸리면 직접 작성하는 것이 흥미로울 수 있습니다. 거리 기반 방법에는 심각한 제한이 있습니다.http://www3.ntu.edu.sg/SCE/pakdd2006/tutorial/chawla_tutorial_pakddslides.pdf