异常点检测算法（一） 1.基于正态分布的一元离群点检测方法 在正态分布的假设下，区域 包含了99.7% 的数据，如果某个值距离分布的均值 超过了 ，那么这个值就可以被简单的标记为一个异常点（outlier）。 2. 多元离群点的检测方法 （1）基于一元正态分布的离群点检测方法 ...

参考：https://blog.csdn.net/u013719780/article/details/48901183 异常点检测方法 一、基本概念 异常对象被称作离群点。异常检测也称偏差检测和例外挖掘。 常见的异常成因：数据来源于不同的类（异常对象来自于一个 ...

显示结果： ...

时间序列异常检测基础研究随着时间序列数据越来越频繁的被使用，异常数据在时间序列中的价值被发掘和利用，越来越多的人们将目光投入到时间序列异常检测领域，并且提出了很多时间序列异常检测技术，这些技术的提出大大促进了时间序列异常检测领域的发展，对于后面学者进行时间序列数据挖掘有着重要的参考价值。上一章介绍 ...

对如下数据进行异常检测，显然红圈中的两个点是异常点。 1、 使用指标绝对值进行异常检测 使用OneClassSVM检测，结果如下：异常点没有检测出来，正常点反而被检测为异常。 显然时间序列中我们并没有考虑时间因素，于是我们可以在检测中引入时间因素 ...

离群点（outlier）是指和其他观测点偏离非常大的数据点，离群点是异常的数据点，但是不一定是错误的数据点。确定离群点对于数据分析会带来不利的影响，比如，增大错误方差、影响预测和影响正态性。 从散点图上可以直观地看到离群点，离群点是孤立的一个数据点；从分布上来看，离群点远离数据集中其他数据 ...

见 http://www.infoq.com/cn/articles/deep-learning-time-series-anomaly-detection 但是不够详细 ...