Блог

Я изучаю API обнаружения аномалий Microsoft Azure для потенциального использования в моей организации. Я хочу знать, какие алгоритмы (такие как изолированный лес, одноклассный SVM, обнаружение аномалий на основе автоэнкодера) доступны в библиотеке. Какой выбор статистических моделей у меня есть с помощью этого API?

Вы имеете в виду детектор аномалий в Azure cognitive service. Насколько я заметил, API использует не только одну модель или алгоритм. Вы можете проверить его ответ, если вы не предоставите информацию о периоде, он вернет один, это означает, что алгоритм также вычисляет период временного ряда, возможно, это одна из функций, которые они использовали для выбора модели или алгоритма. Я пытался отправлять сезонные временные ряды, несезонные временные ряды, восходящий и нисходящий тренд, все это возвращает правильный хороший результат. Не уверен, что они могут предоставить подробную информацию об алгоритмах. Но я вижу такое же поведение, если бы я использовал DFT, STL для сезонных временных рядов и ESD или простой Zscore для несезонных.

Иногда «полное» обнаружение не может вернуть ожидаемое значение в качестве «последнего» обнаружения в потоковом режиме, но, согласно ссылке на API, https://aka.ms/anomaly-detector-rest-api-ref , кажется, что «весь» API создает единую модель или выбирает один алгоритм для выполнения обнаружения и определения точек после учета целевой точки,так что это должна быть аномалия во всем временном ряду. Но «последний» api использует только точки перед целевой точкой, поэтому это означает аномалию в соответствии с историей. Хотя это немного запутано, но в сценарии потокового мониторинга я думаю, что «последний» — это правильный выбор, он быстрее и точнее.

По мнению технического сообщества Microsoft

Используются следующие алгоритмы:

• Преобразование Фурье
• Экстремальное отклонение от курса (ESD)
• Декомпозиция STL
• Динамический порог
• Детектор Z-score
• Некоторые расширенные алгоритмы будут раскрыты в ожидании публикации в документе.