不同时刻相似（族内）图之间的异常检测

Question

我最近看了Homin Lee在"Detecting outliers and anomalies in realtime at Datadog"上的OSCON Austin 2016 talk，并找到了提出以下问题的适当动机。在

基本上，我要做的是在图中找到不一定同时开始的异常（t），但形状非常相似（在家族中）

分开：

合并：

如我的（粗略）概念图所示，给定两个相似的频率（f）时间函数，我想根据它们每个拐点的位置将它们排在一起。其中一个频率图从t=-2开始，另一个t=5开始。它们都有拐点在t_1=8.5和t_2=1.5附近。我想把他们排成一行。从本质上说，所绘制的图像应该是我的算法的最终输出，并列出任何触发的异常，比如绿色曲线，如果f=0.2att_1=12，那么这应该是一个异常，因为它不在家族中。正如homi-Lee所说，图表不会“在训练过的信封内”

现在我想展示一下我的特定方法，看看你是否有同样的想法或者有更好的方法来开发这个算法。在选择使用哪种异常检测算法之前，我们需要讨论如何准备这些数据。我们将继续使用频率与时间数据作为示例。为了准备数据，我们需要（1）找到拐点，（2）缩放数据，使所有数据具有相同的时域持续时间（即，12-5=7=7=5-（-2）），以及（3）找到匹配（排列）每个图的时间（即5到-2，6到-1，依此类推）。在

1. 找到拐点并不难，因为我们所要做的就是检测每个图上凹度变化的位置。在我们的例子中，在t_1=7.5和t_2=1.5时。这个算法写的here似乎有潜力。在
2. 为了缩放数据，我们需要将拐点放在图的中间，因此| t|min-t|=|t_max-t|，其中t_I是拐点出现的时间。频率会调整到一个相当大的范围。我假设这种缩放方式类似于this方法。在
3. 找到一种方法来匹配（排列）每一张图的时间将是这三个目标中最困难的一个，我不确定如何做到这一点，但我将提出我的建议。我在想也许我们可以使用已经讨论过的here或为数据集定义{a10}，以便为这两个图确定一个公共的数据域。这个部分是非常未知的，我想打开它征求建议。在

一旦数据准备好，现在就进入算法。对于（健壮的）异常检测，我正在考虑使用one-class/multi-class支持向量机（SVM），因为我们将训练一组巨大的图来形成“包络线”。本节也开放供建议。在

正如一个登月者所想的那样，我希望最终能够把所有的图表放到一个巨大的图上，并从中指出异常。问题是会有很多不同的时间间隔。因此，一个解决方案是创建一个单一的通用（u）时间间隔，这样您就不必处理不同的间隔（例如，t_1=5,9将变成t_=1,5，同样的情况也适用于t_2）。在

所以，为了重述一下，我希望分析不同时间间隔的相似图形，以发现异常。找出关键点/关键点（不一定是拐点）、比例、绘制图表，并检查异常情况。在

我已经漫谈了很长时间，但如果有些事情没有意义，你希望我澄清或详细说明，让我知道，我会的。请随意提出建议，向我提交一些代码，然后或者我以前没有必要想到的其他想法或方法。在

谢谢。在

另外，关于图纸的事我很抱歉，我已经尽力了。：P