大多数异常检测技术/包侧重于单个时间序列内的异常检测;也就是说,如果数据突然超过或低于某个阈值,则取某种稳态平均值并发出警报。然而,我的问题完全不同
我有一个重复执行相同操作的硬件设备。大多数时候它成功了,但有时它失败了。我有测量位置和角度(6DOF)的传感器,我有每次尝试的大量数据集,无论是成功还是失败,以及从事件发生前几秒钟到事件发生后几秒钟的传感器数据(以及一阶和二阶导数)。 我要寻找的是一种技术或python包,它可以分析所有这些时间序列数据,并在给定成功或失败标签的情况下,确定是否存在通常导致失败的异常
我已经做了很多谷歌搜索和堆栈溢出的工作,但还是不断地提出“典型的”异常检测包。也许我在这里使用了错误的关键字或语言来描述我在寻找什么?任何正确方向的建议或指点都将不胜感激
如果我理解正确,听起来您需要一个机器学习解决方案:
由于您独特的数据集,不会有现成的技术/软件包,因此需要更定制的解决方案
相关问题 更多 >
编程相关推荐