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
欢迎加入QQ群-->： 979659372
