异常检验与时间序列
2022-11-22 22:30:30 0 举报AI智能生成
不同数据场景下常用时间序列模型及特点
作者其他创作
大纲/内容
异常检验
非监督方法
1.one-class SVM
方法介绍
SVM的变体方法，基于libsvm
特点
对数据集分布没有要求，可用于非正太
对高维数据非常有效
适用
1.分布非正太或分布未知
2.高维度数据集
2.ellipticEnvelope
方法介绍
基于协方差的稳健估计
特点
要求是正态分布
适用
1.正态分布数据集
3.Isolation Forest
方法介绍
与随机森林类似，是高效的集成算法
特点
分布无要求
鲁棒性高
4.LocalOutlierFactor
方法介绍
基于邻近的密度来估计偏差，然后确定异常因子
特点
分布无要求
时间序列
常用算法
1.移动平均（MA，Moving Average）
简单移动平均
加权移动平均
二次移动平均
2.指数平滑（ES，Exponential Smoothing)
一次指数平滑
加权指数平滑
多次指数平滑
3.差分自回归移动平均模型（ARIMA）
一般自回归模型 AR(n)
移动平均模型 MA(m)
自回归移动平均模型 ARMA(n,m)
4.自适应滤波法（LSM)
5.趋势外推预测
指数曲线法
呈现指数增长的样本趋势
修正指数曲线法
先急后缓
三和法
确定修正指数曲线法的系数的办法
Compertz 曲线
先急后缓再急
Logistic 曲线（生长曲线）
先缓后急再缓
选择方法
1.根据数据的时间增长趋势
2.根据数据的标准误大小
不同分类
基于因变量数量
一元时间序列
多元时间序列
基于时间连续性
离散时间序列
连续时间序列
基于平稳性
严格平稳
宽平稳
定义：序列的1、2阶矩存在
1.均值为常数
2.协方差为时间间隔T的函数
基于分布
高斯时间序列
非高斯时间序列
模型构成
分解项
1.长期趋势变动，长期趋势项：Tt
2.季节变动 St
3.循环变动Ct
4.不规则变动
三种常用模型
加法
乘法
混合
yt：观测目标的观测记录
Rt：随机干扰项
0 条评论
下一页
