网络智能体-数据探索:异常检测

时间：2023-11-01 16:13:43

网络智能体数据处理

时序数据序列中存在模式不一致的异常点（如时序数据超出正常范围的上/下界，突然的上升或下降，趋势改变），时序数据的异常检测旨在快速准确地找到这些异常点。

设置“时间列”、“特征列”、“异常类型”等参数，具体参数说明如表5所示。

表5 参数说明
参数	参数说明
时间列	待异常检测时序数据的时间列。
特征列	待异常检测时序数据的特征列。
异常类型	异常检测类型: 数值范围表示检测平稳时序数据是否异常，给出异常判断参考区间。突升/突降表示检测平稳时序数据中突增或突降的异常点。
异常区间获取方法	获取用于判断时序数据异常的上/下界区间的方法，支持：箱线图 3 Sigma 两者任意一个检测到异常两者同时检测到异常
突变点个数	“异常类型”为“突升/突降”时展示，表示需要检测到平稳时序数据中突增或突降点的个数。默认值为5，检测结果有可能会小于这个个数。
是否进行周期分解	“异常类型”为“突升/突降”时展示，表示如果待检测数据为周期数据，是否需要进行周期分解，用于增强数据的差异性。默认关闭。
一个周期内的数量值	“是否进行周期分解”开启时展示此参数，表示进行周期分解时，一个周期内的数据量。
是否进行过滤	“异常类型”为“突升/突降”时展示，表示是否对检测出的Top N个点进行二次过滤。默认关闭。
过滤阀值	“是否进行过滤”开启时展示，表示如果对检测出的Top N个点进行二次过滤，则该参数作为过滤阈值，小于阈值的点将被认为是突变点。
	提交分析请求。
	提交分析任务至分析完成期间，可单击此按钮终止分析任务。