异常检验与时间序列
2022-11-22 22:30:30 0 举报AI智能生成
不同数据场景下常用时间序列模型及特点
作者其他创作
大纲/内容
SVM的变体方法，基于libsvm
方法介绍
对数据集分布没有要求，可用于非正太
对高维数据非常有效
特点
1.分布非正太或分布未知
2.高维度数据集
适用
1.one-class SVM
基于协方差的稳健估计
要求是正态分布
1.正态分布数据集
2.ellipticEnvelope
与随机森林类似，是高效的集成算法
分布无要求
鲁棒性高
3.Isolation Forest
基于邻近的密度来估计偏差，然后确定异常因子
4.LocalOutlierFactor
非监督方法
异常检验
简单移动平均
加权移动平均
二次移动平均
1.移动平均（MA，Moving Average）
一次指数平滑
加权指数平滑
多次指数平滑
2.指数平滑（ES，Exponential Smoothing)
一般自回归模型 AR(n)
移动平均模型 MA(m)
3.差分自回归移动平均模型（ARIMA）
4.自适应滤波法（LSM)
呈现指数增长的样本趋势
指数曲线法
先急后缓
修正指数曲线法
确定修正指数曲线法的系数的办法
三和法
先急后缓再急
Compertz 曲线
先缓后急再缓
Logistic 曲线（生长曲线）
1.根据数据的时间增长趋势
2.根据数据的标准误大小
选择方法
5.趋势外推预测
常用算法
一元时间序列
多元时间序列
基于因变量数量
离散时间序列
连续时间序列
基于时间连续性
严格平稳
1.均值为常数
2.协方差为时间间隔T的函数
定义：序列的1、2阶矩存在
宽平稳
基于平稳性
高斯时间序列
非高斯时间序列
基于分布
不同分类
1.长期趋势变动，长期趋势项：Tt
2.季节变动 St
3.循环变动Ct
4.不规则变动
分解项
加法
乘法
混合
yt：观测目标的观测记录
Rt：随机干扰项
三种常用模型
模型构成
时间序列
知识框架
收藏
收藏
0 条评论
回复 删除
下一页
