本文介绍了基于统计的异常检测方法，包括Grubbs' Test和ESD，然后详细阐述了时间序列异常检测的S-ESD和S-H-ESD算法，后者使用中位数和MAD提高对异常点的识别能力，适用于云环境和时间序列数据分析。
1. 基于统计的异常检测
Grubbs' Test
Grubbs' Test为一种假设检验的方法，常被用来检验服从正太分布的单变量数据集(univariate data set)\(Y\) 中的单个异常值。若有异常值，则其必为数据集中的最大值或最小值。原假设与备择假设如下：
\(H_0\): 数据集中没有异常值\(H_1\): 数据集中有一个异常值
Grubbs' Test检验假设的所用到的检验统计量(test statistic)为
\[G = \frac{\max |Y_i - \overline{Y}|}{s} \]
其中，\(\overline{Y}\)为均值，\(s\)为标准差。原假设\(H_0\)被拒绝，当检验统计量满足以下条件
\[G > \frac{(N-1)}{\sqrt{N}}\sqrt{\frac{ (t_{\alpha/(2N), N-2})^2}{N-2 + (t_{\alpha/(2N), N-2})^2}} \]
其中，\(N\)为数据集的样本数，\(t_{\alpha/(2N), N-2}\)为显著度(significance level)等于\(\alpha/(2N)\)、自由度(d
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
