本篇内容介绍了“Python时间序列异常检测ADTK有什么作用”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
成都创新互联主要从事成都网站建设、网站设计、网页设计、企业做网站、公司建网站等业务。立足成都服务定南,10余年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:18982081108
1. adtk简介
智能运维AIOps的数据基本上都是时间序列形式的，而异常检测告警是AIOps中重要组成部分。笔者最近在处理时间序列数据时有使用到adtk这个python库，在这里和大家做下分享。
什么是adtk?
adtk（Anomaly Detection Toolkit）是无监督异常检测的python工具包，它提供常用算法和处理函数：
简单有效的异常检测算法（detector）
异常特征加工（transformers）
处理流程控制（Pipe）
2. 安装
pip install adtk
3. adtk数据要求
时间序列的数据主要包括时间和相应的指标（如cpu，内存，数量等）。python中数据分析一般都是pandas的DataFrame，adtk要求输入数据的索引必须是DatetimeIndex。
pandas提供了时间序列的时间生成和处理方法。
stamps = pd.date_range("2012-10-08 18:15:05", periods=4, freq="D") # DatetimeIndex(['2012-10-08 18:15:05', '2012-10-09 18:15:05', # '2012-10-10 18:15:05', '2012-10-11 18:15:05'], # dtype='datetime64[ns]', freq='D')tmp = pd.Timestamp("2018-01-05") + pd.Timedelta("1 day") print(tmp, tmp.timestamp(), tmp.strftime('%Y-%m-%d')) # 2018-01-06 00:00:00 1515196800.0 2018-01-06 pd.Timestamp( tmp.timestamp(), unit='s', tz='Asia/Shanghai') # Timestamp('2018-01-06 08:00:00+0800', tz='Asia/Shanghai')adtk提供是validate_series来验证时间序列数据的有效性，如是否按时间顺序
import pandas as pd from adtk.data import validate_series from adtk.visualization import plot df = pd.read_csv('./data/nyc_taxi.csv', index_col="timestamp", parse_dates=True) df = validate_series(df) plot(df)
4. 异常特征加工（transformers）
adtk中transformers提供了许多时间序列特征加工的方法：
一般我们获取时间序列的特征，通常会按照时间窗口在滑动，采集时间窗口上的统计特征；
还有对于季节性趋势做分解，区分哪些是季节性的部分，哪些是趋势的部分
时间序列降维映射：对于细粒度的时间序列数据，数据量大，对于检测算法来说效率不高。降维方法能保留时间序列的主要趋势等特征同时，降低维数，提供时间效率。这个对于用CNN的方式来进行时间序列分类特别有效，adtk主要提供基于pca的降维和重构方法,主要应用于多维时间序列。
4.1 滑动窗口
atdk提供单个宽口RollingAggregate和2个窗口DoubleRollingAggregate的滑动方式。统计特征支持均值，中位数，汇总，最大值，最小值，分位数， 方差，标准差，偏度，峰度，直方图 等，['mean', 'median', 'sum', 'min', 'max', 'quantile', 'iqr', 'idr', 'count', 'nnz', 'nunique', 'std', 'var', 'skew', 'kurt', 'hist']其中
'iqr': 是分位数 75% 和 25%差值
'idr': 是分位数 90% 和 10%插值
RollingAggregate
import pandas as pd from adtk.data import validate_series from adtk.transformer import RollingAggregate from adtk.transformer import DoubleRollingAggregate s = pd.read_csv('./data/nyc_taxi.csv', index_col="timestamp", parse_dates=True) s = validate_series(s) s_transformed = RollingAggregate(agg='quantile',agg_params={"q": [0.25, 0.75]}, window=5).transform(s)
import pandas as pd from adtk.data import validate_series from adtk.transformer import DoubleRollingAggregate s = pd.read_csv('./data/ec2_cpu_utilization_53ea38.csv', index_col="timestamp", parse_dates=True) s = validate_series(s) s_transformed = DoubleRollingAggregate( agg="median", window=5, diff="diff").transform(s)
4.2 季节性拆解
时间序列可拆解成趋势性，季节性和残差部分。atdk中ClassicSeasonalDecomposition提供了这三个部分拆解，并移除趋势和季节性部分，返回残差部分。
freq: 设置季节性的周期
trend：可以设置是否保留趋势性
from adtk.transformer import ClassicSeasonalDecomposition s = pd.read_csv('./data/nyc_taxi.csv', index_col="timestamp", parse_dates=True) s = validate_series(s) s_transformed = ClassicSeasonalDecomposition().fit_transform(s)
s_transformed = ClassicSeasonalDecomposition(trend=True).fit_transform(s)
4.3 降维和重构
adtk提供的pca对数据进行降维到主成分PcaProjection和重构方法PcaReconstruction。
df = pd.read_csv('./data/generator.csv', index_col="Time", parse_dates=True) df = validate_series(df) from adtk.transformer import PcaProjection s = PcaProjection(k=1).fit_transform(df) plot(pd.concat([df, s], axis=1), ts_linewidth=1, ts_markersize=3, curve_group=[("Speed (kRPM)", "Power (kW)"), "pc0"]);
from adtk.transformer import PcaReconstruction df_transformed = PcaReconstruction(k=1).fit_transform(df).rename(columns={"Speed (kRPM)": "Speed reconstruction (kRPM)", "Power (kW)": "Power reconstruction (kW)"}) plot(pd.concat([df, df_transformed], axis=1), ts_linewidth=1, ts_markersize=3, curve_group=[("Speed (kRPM)", "Power (kW)"), ("Speed reconstruction (kRPM)", "Power reconstruction (kW)")]); ../_images/notebooks_demo_99_0.png
5. 异常检测算法（detector）
adtk提供的主要是无监督或者基于规则的时间序列检测算法，可以用于常规的异常检测。
adtk.detector.ThresholdAD(low=None, high=None) 参数： low：下限，小于此值，视为异常 high：上限，大于此值，视为异常 原理：通过认为设定上下限来识别异常 总结：固定阈值算法
from adtk.detector import ThresholdAD threshold_ad = ThresholdAD(high=30, low=15) anomalies = threshold_ad.detect(s)
adtk.detector.QuantileAD(low=None, high=None) 参数： low：分位下限，范围(0,1)，当low=0.25时，表示Q1 high：分位上限，范围(0,1)，当low=0.25时，表示Q3 原理：通过历史数据计算出给定low与high对应的分位值Q_low,Q_high，小于Q_low或大于Q_high，视为异常 总结：分位阈值算法
from adtk.detector import QuantileAD quantile_ad = QuantileAD(high=0.99, low=0.01) anomalies = quantile_ad.fit_detect(s)
adtk.detector.InterQuartileRangeAD(c=3.0) 参数： c：分位距的系数，用来确定上下限，可为float，也可为(float,float) 原理： 当c为float时，通过历史数据计算出 Q3+c*IQR 作为上限值，大于上限值视为异常 当c=(float1,float2)时，通过历史数据计算出 (Q1-c1*IQR, Q3+c2*IQR) 作为正常范围，不在正常范围视为异常 总结：箱线图算法
from adtk.detector import InterQuartileRangeAD iqr_ad = InterQuartileRangeAD(c=1.5) anomalies = iqr_ad.fit_detect(s)
adtk.detector.GeneralizedESDTestAD(alpha=0.05) 参数： alpha：显著性水平 (Significance level)，alpha越小，表示识别出的异常约有把握是真异常 原理:将样本点的值与样本的均值作差后除以样本标准差，取最大值，通过t分布计算阈值，对比阈值确定异常点 计算步骤简述： 设置显著水平alpha，通常取0.05 指定离群比例h，若h=5%，则表示50各样本中存在离群点数为2 计算数据集的均值mu与标准差sigma，将所有样本与均值作差，取绝对值，再除以标准差，找出最大值，得到esd_1 在剩下的样本点中，重复步骤3，可以得到h个esd值 为每个esd值计算critical value: lambda_i (采用t分布计算) 统计每个esd是否大于lambda_i，大于的认为你是异常
from adtk.detector import GeneralizedESDTestAD esd_ad = GeneralizedESDTestAD(alpha=0.3) anomalies = esd_ad.fit_detect(s)
adtk.detector.PersistAD(window=1, c=3.0, side='both', min_periods=None, agg='median') 参数： window：参考窗长度，可为int, str c：分位距倍数，用于确定上下限范围 side：检测范围，为'positive'时检测突增，为'negative'时检测突降，为'both'时突增突降都检测 min_periods：参考窗中最小个数，小于此个数将会报异常，默认为None，表示每个时间点都得有值 agg：参考窗中的统计量计算方式，因为当前值是与参考窗中产生的统计量作比较，所以得将参考窗中的数据计算成统计量，默认'median'，表示去参考窗的中位值 原理： 用滑动窗口遍历历史数据，将窗口后的一位数据与参考窗中的统计量做差，得到一个新的时间序列s1; 计算s1的(Q1-c*IQR, Q3+c*IQR) 作为正常范围； 若当前值与它参考窗中的统计量之差，不在2中的正常范围内，视为异常。 调参： window：越大，模型越不敏感，不容易被突刺干扰 c：越大，对于波动大的数据，正常范围放大较大，对于波动较小的数据，正常范围放大较小 min_periods：对缺失值的容忍程度，越大，越不允许有太多的缺失值 agg：统计量的聚合方式，跟统计量的特性有关，如 'median'不容易受极端值影响 总结：先计算一条新的时间序列，再用箱线图作异常检测
from adtk.detector import PersistAD persist_ad = PersistAD(c=3.0, side='positive') anomalies = persist_ad.fit_detect(s)
adtk.detector.LevelShiftAD(window, c=6.0, side='both', min_periods=None) 参数： window：支持(10,5)，表示使用两个相邻的滑动窗，左侧的窗中的中位值表示参考值，右侧窗中的中位值表示当前值 c：越大，对于波动大的数据，正常范围放大较大，对于波动较小的数据，正常范围放大较小，默认6.0 side：检测范围，为'positive'时检测突增，为'negative'时检测突降，为'both'时突增突降都检测 min_periods：参考窗中最小个数，小于此个数将会报异常，默认为None，表示每个时间点都得有值 原理： 该模型用于检测突变情况，相比于PersistAD，其抗抖动能力较强，不容易出现误报
from adtk.detector import LevelShiftAD level_shift_ad = LevelShiftAD(c=6.0, side='both', window=5) anomalies = level_shift_ad.fit_detect(s)
adtk.detector.SeasonalAD(freq=None, side='both', c=3.0, trend=False) SeasonalAD主要是根据ClassicSeasonalDecomposition来处理，判断。 参数： freq：季节性周期 c：越大，对于波动大的数据，正常范围放大较大，对于波动较小的数据，正常范围放大较小，默认6.0 side：检测范围，为'positive'时检测突增，为'negative'时检测突降，为'both'时突增突降都检测 trend： 是否考虑趋势
from adtk.detector import SeasonalAD seasonal_ad = SeasonalAD(c=3.0, side="both") anomalies = seasonal_ad.fit_detect(s) plot(s, anomaly=anomalies, ts_markersize=1, anomaly_color='red', anomaly_tag="marker", anomaly_markersize=2);
from adtk.pipe import Pipeline steps = [ ("deseasonal", ClassicSeasonalDecomposition()), ("quantile_ad", QuantileAD(high=0.995, low=0.005)) ] pipeline = Pipeline(steps) anomalies = pipeline.fit_detect(s) plot(s, anomaly=anomalies, ts_markersize=1, anomaly_markersize=2, anomaly_tag="marker", anomaly_color='red');
6. 总结
本文介绍了时间序列异常检测的无监督算法工具包ADTK。ADTK提供了简单的异常检测算法和时间序列特征加工函数，希望对你有帮助。总结如下：
adtk要求输入数据为datetimeIndex，validate_series来验证数据有效性，使得时间有序
adtk单窗口和double窗口滑动，加工统计特征
adtk分解时间序列的季节部分，获得时间序列的残差部分，可根据这个判断异常点
adtk支持离群点、突变和季节性异常检测。通过fit_detect 获取异常点序列，也可以通过Pipeline联通多部异常检测算法
“Python时间序列异常检测ADTK有什么作用”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！
网站题目：Python时间序列异常检测ADTK有什么作用
URL链接：
http://cdkjz.cn/article/jdjejh.html
