আমি বর্তমানে টুইটারের অ্যানোমালিডিটেকশনটি আর: https://github.com/twitter/AnomalyDtetection এ ব্যবহার করছি । এই অ্যালগরিদম মৌসুমী সহ ডেটাগুলির জন্য সময় সিরিজের অসাধারণ সনাক্তকরণ সরবরাহ করে।
প্রশ্ন: এর মতো আর কোনও অ্যালগোরিদম রয়েছে (alityতুতে নিয়ন্ত্রণের বিষয়টি বিবেচনা করে না)?
আমি আমার ডেটাতে যতটা সম্ভব সময় সিরিজ অ্যালগরিদমগুলি স্কোর করার চেষ্টা করছি যাতে আমি সেরাটি বেছে নিতে পারি / অন্তর্ভুক্ত করতে পারি।
উত্তর:
টুইটার অ্যালগরিদম ভিত্তিক
রোজনার, বি। (মে 1983), "জেনারালাইজড ইএসডি মাল্টি-আউটিলার প্রক্রিয়াজাতের জন্য শতাংশ শতাংশ", টেকনোমেট্রিক্স, 25 (2), পৃষ্ঠা 165-172
আমি নিশ্চিত 1983 সাল থেকে অনেক কৌশল এবং অগ্রগতি হয়েছে! আমি আমার অভ্যন্তরীণ ডেটা পরীক্ষা করেছি এবং টুইটারের অসাধারণ সনাক্তকরণ সুস্পষ্ট বিদেশী সনাক্ত করতে পারে না। সময় সিরিজের বাইরের লোকদের পরীক্ষা করার জন্য আমি অন্যান্য পন্থাগুলিও ব্যবহার করব। আমি যে সর্বোত্তমটি এসেছি তা হ'ল সাইয়ের Outlier সনাক্তকরণ পদ্ধতি, যা এসএএস / SPSS / Autobox এবং এসসিএ সফ্টওয়্যার বাস্তবায়িত হয়। যার সবকটিই বাণিজ্যিক ব্যবস্থা। এখানে রয়েছে
সসলটায়ার্স প্যাকেজ যা দুর্দান্ত তবে arimaদক্ষতার সাথে কাজ করার জন্য মডেলের স্পেসিফিকেশন প্রয়োজন । auto.arimaঅপ্টিমাইজেশন এবং মডেল নির্বাচনের ক্ষেত্রে আমার এর ডিফল্ট সমস্যা রয়েছে ।
সাইয়ের নিবন্ধটি টাইম সিরিজের আউটলেট সনাক্তকরণের একটি অন্তিম কাজ। পূর্বাভাস গবেষণার শীর্ষস্থানীয় জার্নাল ইন্টারন্যাশনাল জার্নাল অফ ফোরকাস্টিং উল্লেখ করেছে যে সাইয়ের নিবন্ধটি উপরে লিঙ্কিত একটি নিবন্ধে সর্বাধিক উদ্ধৃত কাজ এবং সবচেয়ে প্রভাবশালী কাগজপত্রগুলির মধ্যে একটি (নীচে দেখুন)। পূর্বাভাস সফ্টওয়্যার (বিশেষত ওপেন সোর্স সফ্টওয়্যার) এ এই গুরুত্বপূর্ণ কাজ এবং অন্যান্য আউটলেট সনাক্তকরণ অ্যালগরিদমগুলির বিস্মরণ একটি বিরলতা।
2017 এর হিসাবে আর তে অ্যানোমালি ডিটেকশনের বিকল্পগুলি এখানে রয়েছে।
টুইটারের অ্যানোমালি ডিটেকশন প্যাকেজ
অ্যানোমালি ডিটেকশন প্যাকেজ (টুইটারের থেকে পৃথক)
শক্তিশালী পরিসংখ্যানগত পদ্ধতিগুলির জন্য CRAN টাস্ক ভিউ
EDIT 2018
আমি কয়েকটি উত্স জুড়ে এসেছি যা আপনাকে সহায়তা করতে পারে তবে তারা আপনার ডেটার উপর আর স্ক্রিপ্ট চালানোর মতো সহজ / সুবিধাজনক হবে না: - নুমেন্টার কাছে তাদের নিউপিক প্ল্যাটফর্মটি একটি উন্মুক্ত স্রোতযুক্ত রয়েছে যা অসাধারণ সনাক্তকরণ সহ অনেক কিছুর জন্য ব্যবহৃত হয় । - নেটফ্লিক্সের অ্যাটলাস প্রকল্প শীঘ্রই একটি ওপেন-সোর্স আউটিলার / অ্যানোমালি সনাক্তকরণ সরঞ্জাম প্রকাশ করবে। - প্রিলার্টে একটি অসাধারণ সনাক্তকরণ ইঞ্জিন রয়েছে যা সার্ভার-সাইড অ্যাপ্লিকেশন হিসাবে আসে। তাদের ট্রায়াল সীমিত ব্যবহারের প্রস্তাব দেয় যা আপনার প্রয়োজনগুলি পূরণ করতে পারে।
বিকল্পভাবে আমার সংস্থা, ইনসিগনামের বিটাতে একটি পণ্য রয়েছে যা সময় সিরিজের ডেটা যুক্ত করে এবং সম্পূর্ণ স্বয়ংক্রিয় পদ্ধতিতে ব্যতিক্রমগুলি সনাক্ত করে এবং যখন অনিয়মগুলি সনাক্ত হয় তখন আপনি কেবল ইমেলের মাধ্যমে সতর্কতা পান। আউট পৌঁছানো টুইটার বা লিঙ্কডইন এবং আমি আপনাকে আরও বলতে খুশি হবেন।
অটোবক্স (আমার সংস্থা) আউটলেট সনাক্তকরণ সরবরাহ করে। টুইটারের অ্যালগরিদম বড় আউটলিয়ার্স পায়, তবে অটোবক্সের তুলনায় ছোটগুলি মিস করে ।
এটি চালাতে দীর্ঘ সময় লাগে, তবে ফলাফলগুলি আরও ছোট আউটলাইনারদের সন্ধানের জন্য আরও ভাল এবং seasonতুতে পরিবর্তিত হওয়াগুলিও বিদেশী are নীচে মডেলটি 14,398 আসল পর্যবেক্ষণগুলির প্রথম 8,560 টি পর্যবেক্ষণ ব্যবহার করে 79 জন অপ্রদর্শককে সন্ধান করছে। স্ট্যান্ডার্ড সংস্করণ সর্বাধিক 10,000 টি পর্যবেক্ষণে চলে গেছে তবে এটি আরও বেশি সংশোধন করতে পারে তবে আপনি যখন অপ্রদর্শকদের সনাক্ত করতে এবং প্রতিক্রিয়া জানাতে চান তখন তেমন কোনও তথ্য পাওয়ার কোনও সত্য কারণ নেই।
আমরা সাইয়ের আউটলিয়ার, লেভেল শিফট এবং ভেরিয়েন্স পরিবর্তন এবং চৌরার পরামিতি পরিবর্তনের কাজ এবং মৌসুমী পরিবর্তনগুলি সনাক্তকরণের জন্য আমাদের নিজস্ব কাজের দ্বারা প্রভাবিত হয়েছি,
আপনি যদি 30 দিনের ট্রায়াল ডাউনলোড করেন এবং টুইটারের উদাহরণ ডেটা লোড করেন এবং 60 টির ফ্রিকোয়েন্সি নির্দিষ্ট করেন এবং ইনস্টলেশন ফোল্ডারে (noparcon.afs, novarcon.afs, notrend.afs) 3 টি ট্রিগার ফাইল সংরক্ষণ করেন এবং স্টেপআপে নামে একটি ফাইল তৈরি করেন। 100 সঙ্গে আফস।
