问检测非咬合斜率增加
EN

Data Science用户

提问于 2016-04-15 06:40:50

回答 1查看 89关注 0票数 2

我有一个响应变量序列，它将在固定间隔的0-100中根据每秒随机生成，当新生成的数据明显大于最后一秒钟的数据时，我希望检测事件，并向我发送警报消息。

因此，我计算了响应变量的差值1滞后，除以时间(斜率)，然后用bootstrapping构造响应90%百分位数的95%置信区间，如果新的数据大于上限，我将其定义为异常。

事实上，我拥有的数据量非常大，而且这些数据经常更新。因此，重新采样和计算CI是非常可怕的，甚至可能是一种解决问题的方法。看起来不一定要取样，因为我有很大的样本。

有什么更好的方法吗？谢谢!

发布于 2022-04-18 18:27:40

一种选择是收集一个滞后的经验分布(即，在一个时间步长上发生了多少变化？)然后根据这个经验分布的百分比设定阈值。

这通常是通过延迟来完成的。一个不寻常的延迟事件定义为95%或99%百分位数。

票数 0

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/11221

复制

相似问题

问检测非咬合斜率增加EN