Anomalize 正被 Timetk 取代:

anomalize

anomalize 包的功能已被 timetk 取代。我们建议您开始使用 timetk::anomalize() 以获得增强功能和未来的改进。在此了解更多关于使用 timetk 进行异常检测的信息。

原始 anomalize 包的功能将继续维护，以支持使用旧功能的现有代码库。

为防止新的 timetk 功能与旧的 anomalize 代码冲突，请使用以下代码行：

library(anomalize)

anomalize <- anomalize::anomalize
plot_anomalies <- anomalize::plot_anomalies

整洁的异常检测

anomalize 为数据异常检测提供了一个整洁的工作流程。主要函数包括 time_decompose()、anomalize() 和 time_recompose()。结合使用这些函数，可以轻松地分解时间序列、检测异常并创建将"正常"数据与异常数据分开的区间。

2分钟了解 Anomalize (YouTube)

查看我们在 YouTube 上的完整软件介绍系列！

安装

您可以使用 devtools 安装开发版本，或使用 install.packages() 安装最新的 CRAN 版本：

# devtools::install_github("business-science/anomalize")
install.packages("anomalize")

工作原理

anomalize 有三个主要函数：

time_decompose()：将时间序列分解为季节性、趋势和余项组件
anomalize()：对余项组件应用异常检测方法
time_recompose()：计算将"正常"数据与异常数据分开的限制范围

入门

加载 anomalize 包。通常，您还会同时加载 tidyverse：

library(anomalize)
library(tidyverse)
# 注意：timetk 现在内置了异常检测功能，
#  这将获得未来的新功能。
#  使用此脚本以防止覆盖旧版 anomalize：

anomalize <- anomalize::anomalize
plot_anomalies <- anomalize::plot_anomalies

接下来，让我们获取一些数据。anomalize 附带了一个名为 tidyverse_cran_downloads 的数据集，其中包含 15 个"整洁"包从 2017-01-01 到 2018-03-01 的每日 CRAN 下载次数。

假设我们想确定哪些每日下载"次数"是异常的。只需使用三个主要函数（time_decompose()、anomalize() 和 time_recompose()）以及可视化函数 plot_anomalies() 即可轻松完成。

tidyverse_cran_downloads %>%
    # 数据操作 / 异常检测
    time_decompose(count, method = "stl") %>%
    anomalize(remainder, method = "iqr") %>%
    time_recompose() %>%
    # 异常可视化
    plot_anomalies(time_recomposed = TRUE, ncol = 3, alpha_dots = 0.25) +
    ggplot2::labs(title = "Tidyverse 异常", subtitle = "STL + IQR 方法")

查看 anomalize 快速入门指南。

将预测误差降低 32%

是的！Anomalize 有一个新函数 clean_anomalies()，可用于在预测之前修复时间序列。我们有一个全新的指南 - 使用清理后的异常数据降低预测误差（32%）。

tidyverse_cran_downloads %>%
    dplyr::filter(package == "lubridate") %>%
    dplyr::ungroup() %>%
    time_decompose(count) %>%
    anomalize(remainder) %>%
  
    # 新函数，用于清理和修复异常！
    clean_anomalies() %>%
  
    dplyr::select(date, anomaly, observed, observed_cleaned) %>%
    dplyr::filter(anomaly == "Yes")
#> # 时间 tibble: 19 × 4
#> # 索引：         日期
#>    日期       异常        观测值 清理后的观测值
#>    <date>     <chr>       <dbl>            <dbl>
#>  1 2017-01-12 是      -1.14e-13            3522.
#>  2 2017-04-19 是       8.55e+ 3            5202.
#>  3 2017-09-01 是       3.98e-13            4137.
#>  4 2017-09-07 是       9.49e+ 3            4871.
#>  5 2017-10-30 是       1.20e+ 4            6413.
#>  6 2017-11-13 是       1.03e+ 4            6641.
#>  7 2017-11-14 是       1.15e+ 4            7250.
#>  8 2017-12-04 是       1.03e+ 4            6519.
#>  9 2017-12-05 是       1.06e+ 4            7099.
#> 10 2017-12-27 是       3.69e+ 3            7073.
#> 11 2018-01-01 是       1.87e+ 3            6418.
#> 12 2018-01-05 是      -5.68e-14            6293.
#> 13 2018-01-13 是       7.64e+ 3            4141.
#> 14 2018-02-07 是       1.19e+ 4            8539.
#> 15 2018-02-08 是       1.17e+ 4            8237.
#> 16 2018-02-09 是      -5.68e-14            7780.
#> 17 2018-02-10 是       0                   5478.
#> 18 2018-02-23 是      -5.68e-14            8519.
#> 19 2018-02-24 是       0                   6218.

不仅如此！

还有几个额外的功能：

plot_anomaly_decomposition() 用于可视化算法如何在"余项"中检测异常的内部工作原理。

tidyverse_cran_downloads %>%
    dplyr::filter(package == "lubridate") %>%
    dplyr::ungroup() %>%
    time_decompose(count) %>%
    anomalize(remainder) %>%
    plot_anomaly_decomposition() +
    ggplot2::labs(title = "Lubridate下载量异常分解")