2019年12月20日 星期五

初步實驗 進出時間異常演算法 的正確性

我在下面這篇paper找到測試 "異常資料偵測演算法" 的Benchmark,用其中一個檔案來測自己的演算法,結果完美找出異常的部份。

參考文獻1

資料檔是下面這個,上一層目錄還有很多資料集

參考文獻2

異常答案:

參考文獻3

 "artificialWithAnomaly/art_daily_jumpsup.csv":
    [
        "2014-04-11 09:00:00.000000"
    ],

將此檔的Value畫成plot後,可以清楚的看到有一部份異常,這部份是4/11 09:00開始,到同天17:55,是一非常明顯的異常:



計算出來的結果,排序在最前面的,都是最異常的資料:



另外有一波次異常,在同天4/11 18:00~18:55,areaTimeWeight從9.x開始,僅次於主異常:
除了次異常,上圖也有找出一些areaTimeWeight偏低的資料,這些較4/11的資料,異常程度比較不明顯,但也可以研究是否有異常。  

初步實驗成功!



















沒有留言:

張貼留言

IKEA吊櫃廚櫃

 好不容易裝好IKEA買來的吊櫃,花了三天。 從組裝,鑽牆,上牆調水平,累死我了。