Metis 开源项目 Metis 采用 Tsfresh 和 XGBoost 组件进行时序异常检测，采用了三个时间窗口去进行预测 特征数据格式 时间窗默认 180 分钟，数据粒度 1 分钟 数据 上一时间窗 当前时间 下一时间窗 当前时刻 A √ √ 昨日同期时刻 √ √ √ 上周同期时刻 √ √ √ 算法思路 先使用三种非监督方法进行检测，当某一方法输出异常时使用全监督的 XGBOOST 进行检测 非监督算法 Statistic 方法 3sigma 法，检测当前时刻点数值与历史数值均值相差是否大于三倍标准差 EWMA 方法 指数加权移动平均法，相比于 3sigma 法给予历史数据一个指数级递减的权重，距离当前数据点越近则权重越大 阈值为以下公式所示，其中\alpha为学习率 s_t \lt s_{avg} \pm 3 \times \sqrt {X_{avg}} \times \sqrt{\frac{\alpha}{2 - \alpha}} Polynomial Interpolation 方法 多项式回归 IForest 方法（未使用） 孤立森林方法 全.... 有更新！ 单指标时序异常检测学习笔记 时序异常检测
张大东的个人网站