我有一个图形输入，其中X轴是时间（向前走）。Y轴通常稳定，但在不同点有大幅度的下降和上涨（如下面标记为红色箭头）。
可视化很明显，但我该如何在代码中高效地检测到这一点？我不确定应该使用哪些算法，但我希望尽可能保持简单。
可视化很明显，但我该如何在代码中高效地检测到这一点？我不确定应该使用哪些算法，但我希望尽可能保持简单。
检测数据中的显著变化
3
- TryNCode
2
只需跟踪最近N个样本的值增量，并选择适当的N即可。 - Pieter Geerkens
如果N个点的平均斜率大于某个阈值，则这是一个“显著”的差异。 - Ron Beyer
1个回答
2
一种简单的方法是计算相邻两个样本之间的差异，例如diff= abs(y[x point 1] - y[x point 0])，并计算所有差异的标准偏差。这将为您排列差异，并帮助消除随机噪声，如果您仅采样最大的diff值，则会获得该噪声。
如果您的上/下值跨越多个x周期（例如每分钟绘制的温度），则应在N个样本上计算差异，并从N个样本中获取最大值和最小值。如果您想要5个样本作为检测期，则获取样本0,1,2,3,4并提取min/max，使用它们进行diff。对于样本1,2,3,4,5重复此操作，以此类推。您可能需要调整样本数量，因为太多的样本会影响stddev。
另一种替代方法是通过子采样计算图表的上/下部分的斜率，并选择有趣的斜率和长度。虽然这可以更准确地进行自动检测，但深入描述算法要困难得多。
我曾经处理过类似的问题并构建了一个图表分类器，但真的很想了解这方面的研究参考文献。
当您开始使用此方法时，您可能还想查看运营研究中的“控制图表”，它们可以识别几种可能值得检测的模式，具体取决于您的图表类型。
如果您的上/下值跨越多个x周期（例如每分钟绘制的温度），则应在N个样本上计算差异，并从N个样本中获取最大值和最小值。如果您想要5个样本作为检测期，则获取样本0,1,2,3,4并提取min/max，使用它们进行diff。对于样本1,2,3,4,5重复此操作，以此类推。您可能需要调整样本数量，因为太多的样本会影响stddev。
另一种替代方法是通过子采样计算图表的上/下部分的斜率，并选择有趣的斜率和长度。虽然这可以更准确地进行自动检测，但深入描述算法要困难得多。
我曾经处理过类似的问题并构建了一个图表分类器，但真的很想了解这方面的研究参考文献。
当您开始使用此方法时，您可能还想查看运营研究中的“控制图表”，它们可以识别几种可能值得检测的模式，具体取决于您的图表类型。
- rlb
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接