সময় সিরিজের অস্বাভাবিকতাগুলি হ্যান্ডেল করার একাধিক উপায় রয়েছে-
1) যদি অস্বাভাবিকতাগুলি জানা থাকে তবে একটি শ্রেণিবদ্ধকরণের মডেল তৈরি করুন। সময় সিরিজের ডেটার জন্য একই ধরণের অস্বাভাবিকতা সনাক্ত করতে এই মডেলটি ব্যবহার করুন।
২) যদি অস্বাভাবিকতা অজানা থাকে তবে আমরা আমাদের সংস্থায় যা করেছি তা হ'ল ক্লাস্টারিং এবং শ্রেণিবিন্যাসের সংমিশ্রণ-
প্রথমে এলএফ / কে-মানে / কুকের দূরত্ব ব্যবহারকারীদের শনাক্ত করতে। আমরা এখন ২ টি ক্লাস পেয়েছি বলে পুরো ডেটাটিকে শ্রেণিবদ্ধকরণ সমস্যায় রূপান্তর করুন- আউটলিয়ার এবং নরমাল। রান টাইমে (সময় সিরিজের ডেটা) অস্বাভাবিকতা সনাক্ত করতে এখন একটি শ্রেণিবদ্ধকরণ মডেল তৈরি করুন এবং নিয়ম (শ্রেণিবদ্ধকরণ মডেল) পান।
৩) যদি অস্বাভাবিকতা অজানা থাকে তবে আমার গবেষণার সময়, অস্বাভাবিকতা সনাক্তকরণের সর্বাধিক সাধারণ উপায় হল একটি সাধারণ মডেল তৈরি করা এবং সাধারণ মডেল (ত্রুটি) থেকে কোনও বিচ্যুতি অস্বাভাবিক, সুতরাং আপনার ক্ষেত্রে আপনি পরবর্তী সময়ের জন্য আপনার সময় সিরিজটি পূর্বাভাস করেছিলেন এবং তারপরে তুলনা করুন প্রকৃত মান সহ। যদি ত্রুটিটি প্রত্যাশার চেয়ে বেশি হয় তবে অস্বাভাবিক কিছু ঘটছে।
আমি পাইথন বা আর তে কোনও সরাসরি প্যাকেজ খুঁজে পাইনি, কারণ সত্যই অস্বাভাবিক কী তা কেউই জানে না: পি, সমস্ত ক্ষেত্রেই এটি বহিরাগত সনাক্তকরণের সাথে সম্পর্কিত।
কিছু দরকারী লিঙ্ক-
https://machinelearningstories.blogspot.com/2018/12/easiest-way-of-detection-abnormality.html
https://machinelearningstories.blogspot.com/2018/07/anomaly-detection-anomaly-detection-by.html