Анализ временных рядов - - практика по аномалиям + конспект от YandexGPT

Анализ временных рядов - - практика по аномалиям конспект от YandexGPT 00:06 Введение в аномалии • Обсуждение понятия аномалий и их видов: точечные, коллективные, контекстуальные и выбросы. • Упоминание о важности проверки данных на аномалии перед дальнейшим анализом. 07:31 Методы выявления аномалий • Обсуждение контролируемых, полуконтролируемых и неконтролируемых методов выявления аномалий. • Примеры методов: на основе правил, остатков предсказаний, метрических методов, кластеризации и реконструкции. 19:54 Анализ остатка и расстояния • Обсуждение различных способов анализа остатка и расстояния между предсказанными и реальными значениями. • Упоминание о возможности использования различных мер расстояния для оценки результатов. 21:44 Введение в аномалии • Обсуждение понятия аномалии и его сложности в различных методах машинного обучения. • Аномалии могут быть введены как ошибки восстановления данных или как загрязненность данных. 30:07 Примеры аномалий • Примеры аномалий в данных такси в Нью-Йорке и их выявление с помощью различных методов. • Обсуждение сложности выявления аномалий и их интерпретации. 33:49 Методы выявления аномалий • Примеры методов выявления аномалий, включая использование квантилей, статистических тестов и сезонности. • Обсуждение сложности выявления локальных и глобальных аномалий. 39:33 Рекомендации по выявлению аномалий • Рекомендации по проверке аномалий на глаз и использованию различных методов для выявления аномалий. • Обсуждение важности определения того, какие аномалии действительно важны и как их интерпретировать. 41:16 Преобразование данных и выявление аномалий • Видео обсуждает различные методы преобразования данных для выявления аномалий, включая среднее и стандартное отклонение, скользящие окна и квантили. • Пример использования этих методов на данных такси показывает, что они могут помочь выявить аномалии, которые могут быть новизной в данных. 48:24 Разложение временного ряда и методы машинного обучения • Видео также обсуждает методы машинного обучения, такие как изоляционный лес и DBAN, которые могут быть использованы для выявления аномалий. • Однако эти методы не рассчитаны на временные ряды и могут быть менее эффективными для выявления локальных аномалий. 56:13 Методы восстановления временного ряда • Видео представляет методы восстановления временного ряда, такие как метод главных компонент и автоэнкодер, которые могут быть более эффективными для выявления аномалий. • Однако эти методы могут быть менее интерпретируемыми и требуют настройки параметров.