Структурированный блокнот   
 Машинное обучение (Machine Learning, обучающиеся алгоритмы) →  Обучение без учителя (Unsupervised learning) →  Поиск аномалий →  

Одномерный случай (основная идея подхода)

Идея алгоритма довольна проста. Сначала вычисляются обычные значения параметров, затем не попадающие в обычный диапазон считаются "аномалиями".
А именно, считаем среднее арифметическое и среднее квадратичное отклонение.
В случае, когда текущее значение отклоняется от среднего существенно больше, чем на среднее квадратичное отклонение -- текущее значение признают аномалией.
Что считать "существенно большим" отклонением, в общем случае решить нельзя и требует изучения на конкретных данных. Обычно, отклонение более чем на 2-4 среднеквадратичных отклонения считается уже существенным.
Поиск по записям в текущем разделе: