Какие знаешь методы обнаружения аномалий во временных рядах

1. Статистические методы

   • Z-score: аномалии при |z| > 3
   • IQR: выбросы за пределами Q1 - 1.5IQR и Q3 + 1.5IQR
   python

   Копировать

   from scipy import stats
   z_scores = stats.zscore(data)
   anomalies = np.where(np.abs(z_scores) > 3)

2. Скользящие окна

   • Среднее/медиана в окне ± k стандартных отклонений
   python

   Копировать

   window_mean = data.rolling(window=10).mean()
   threshold = window_mean + 3*data.rolling(window=10).std()

3. Методы машинного обучения

   • Isolation Forest
   • One-Class SVM
   python

   Копировать

   from sklearn.ensemble import IsolationForest
   model = IsolationForest(contamination=0.01)
   anomalies = model.fit_predict(data.reshape(-1,1))

4. Глубокое обучение

   • Autoencoders: высокий reconstruction error → аномалия
   • LSTM-модели для предсказания и сравнения с фактическими значениями

5. Специализированные библиотеки

   • Facebook Prophet (встроенное обнаружение выбросов)
   • PyOD (Python Outlier Detection)

Нюанс: для временных рядов важно учитывать автокорреляцию и сезонность. Простые статистические методы могут давать ложные срабатывания на трендах.