sam媒体异常检测器库
sam-anomaly-detector的Python项目详细描述
FBProphet上的时间序列预测和异常检测库代码::python
import panda as pd
from psycopg2 import connect
from sam_anomaly_detector import forecaster
df_data=pd.read_csv('dataset.csv',columns=['ds','y'])
json_data=df_data.to_json(orient='records')
异常=detector()。今天的预测(dataset=json_data)
打印(异常)
-输入数据应该是一个panda数据帧,其中包含时间和聚合数据
-传递给预测者的列应该是'ds'表示“时间”,而'y'表示“聚合数据”
-输出是熊猫异常数据框。重要的列是:
-实际:今天的实际值
-yhat戋u下限:预测下限
-yhat::预测值
-yhat戋u上限:预测上限
-std:与边界的标准偏差。负值表示距离“yhat_lower”有多远,
正值表示距离“yhat_upper”有多远
import panda as pd
from psycopg2 import connect
from sam_anomaly_detector import forecaster
df_data=pd.read_csv('dataset.csv',columns=['ds','y'])
json_data=df_data.to_json(orient='records')
异常=detector()。今天的预测(dataset=json_data)
打印(异常)
-输入数据应该是一个panda数据帧,其中包含时间和聚合数据
-传递给预测者的列应该是'ds'表示“时间”,而'y'表示“聚合数据”
-输出是熊猫异常数据框。重要的列是:
-实际:今天的实际值
-yhat戋u下限:预测下限
-yhat::预测值
-yhat戋u上限:预测上限
-std:与边界的标准偏差。负值表示距离“yhat_lower”有多远,
正值表示距离“yhat_upper”有多远