时间序列数据:如何在流数据中转换它？
时间序列数据:如何在流数据中转换它？
提问于 2019-06-12 14:11:20
我有一个时间序列数据是可用的离线csv格式。我使用这些数据创建异常检测模型。虽然我可以创建这个模型来预测这个数据集中的异常，但是当数据是实时的时候，我需要使用这个模型。每秒钟数据点就会出现，如果点是异常的，我需要模型来产生异常。
有什么想法，我应该如何实现这一点？
编辑-数据是定期更新的计算机，文件是更新，因为数据是流在这个文件。实时异常检测需要进行预测，因为在对异常进行预测时，必须做出决策才能停止这一过程。
回答 2
Data Science用户
发布于 2019-06-12 16:13:57
这取决于这些问题的答案：
- 实时数据是如何提供的？
- 预测所需的频率和格式是多少次？
在这样的设置中使用数据库是很常见的。因此，将定期调用ML预测过程，查询该数据库以获取最新实例，并以所需的格式生成预测(可能还会将预测存储在数据库中)。
Data Science用户
发布于 2019-06-13 10:42:17
我也有类似的情况，模拟文件数据，就像它们是实时流的一样。您可以使用“计划”/时间库每x秒/毫秒读取一次文件。您需要将代码的整个操作/预测部分放入一个函数中，该函数将触发每个x段的“调度”。希望这能有所帮助。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/53641
复制相关文章
相似问题
腾讯云开发者
