时序数据异常检测实例-差分与一分类OneClassSVM结合篇

利用差分和一分类方法进行时序数据异常检测

（差分法针对时序数据的周期性进行处理）

一、文字流程

1. 导入数据集，对缺失的部分进行补充处理，设定时间序列的长度，并生成原始数据的曲线图。

2. 计算自相关系数以评估周期性的强度，其取值范围为[0,1]，数值越高表明自相关性越强，周期特征也越明显。

3. 若检测到周期性特征，则利用当前时间点的数据与一个周期前对应位置的数据进行差分运算。

4. 将经过差分处理后的数据作为输入参数，代入 OneClassSVM 算法中构建相应的模型。

5. 利用所建立的模型完成预测任务。

6. 将预测输出结果与真实观测值进行比对，从而识别出可能存在的异常数据点。

二、引用他人博客的实例

（此内容为我先前调研过程中所获取，然而相关链接已无法访问。若有人能够找到该实例的原始出处，请在评论区提供具体网址，我将及时补充原作者的链接。非常感谢您的帮助）

示例：识别下图中存在的异常数据点 识别结果：

![](https://ad.itadn.com/c/we