Декомпозиція часових рядів для виявлення викидів

Виявлення аномалій у Python

Bekhruz (Bex) Tuychiev

Kaggle Master, Data Science Content Creator

Сезонність

Повторювані шаблони в часовому ряді
Мають фіксовану частоту:
- погодинно
- щоденно
- щотижнево
- щомісяця тощо
Приклади:
- Щоденні температури
- Продажі морозива

Сезонність

Лінійний графік цін відкриття акцій Google.

seasonal_decompose

from statsmodels.tsa.seasonal import seasonal_decompose

results = seasonal_decompose(google['Open'], period=365)

print(results)

<statsmodels.tsa.seasonal.DecomposeResult object at 0x7f0a67fac820>

Візуалізація сезонності

results.seasonal.plot(color="red", figsize=(12, 4))

Графік сезонності цін відкриття акцій Google

Приклади сезонності

Приклади сезонності часових рядів.

Початковий графік акцій

Початковий графік цін відкриття акцій Google

Тренд

results.trend.plot(color="red", figsize=(12, 4))

Приклади трендів

Приклади трендів у часових рядах.

Залишки

results.resid.plot(color="red", figsize=(12, 4))

Графік залишків цін відкриття акцій Google.

Декомпозиція

figure = results.plot()

figure.set_figwidth(12)
figure.set_figheight(8)

Усі три компоненти часових рядів візуалізовано.

Навчання класифікатора

# Extract and reshape residuals
results = seasonal_decompose(google['Volume'], period=365)
residuals = results.resid
residuals = residuals.values.reshape(-1, 1)


# Fit MAD
mad = MAD().fit(residuals)


# Find the outliers
is_outlier = mad.labels_ == 1
outliers = google[is_outlier]

print(len(outliers))

Давайте потренуємось!

Виявлення аномалій у Python