一、前言

前段时间整理了一下 多变量时间序列异常检测的数据集，以及对应数据集统一格式处理代码的文章。

文章在这：https://zhuanlan.zhihu.com/p/544335741

今天介绍的也是多变量时间序列异常检测的数据集。但这个数据集和之前那篇文章的数据集是两种，虽然都可以这么称呼，但形势和背景目的截然不同，但也存在关联。

对于多个时间序列，这里我们简称为线，多个线，每个线有单独的异常的区间（单个异常检测模型判定的异常区间），如果这些线独立，并且不代表一个载体上，则就是每个线的异常，如果这些线都存在一个载体上，比如机器上，那某条线单独的异常区间可能并不能代表机器的异常，或者多条线的异常（一种pattern）也不代表机器的异常，多条线的异常组合可能是机器一种健康状态下的pattern。

1.1 区别

1.1.1 异常维度

• 前者 是 线的维度异常，但有多条线，并非一条线。数据集格式

• 后者 是 entity维度异常，一个entity有多条线。

1.1.2 数据格式

• 前者 是 多个时间序列， 每个时间序列都有对应的异常区间的label

• 后者 是 每个实体有多个时间序列，每个实体在某一个时间点是否存在异常，这里可以查看之前写的那篇文章数据集的格式

1.1.3 场景

• 前者 是 流式异常检测场景，追求实时。

• 后者 多用于机器异常检测，或某个传感器装置异常检测故障诊断场景。

二、NAB数据集

2.1 简介

NAB 是一种新的基准，用于评估流式实时应用程序中的异常检测算法。它由超过 50 个标记的真实世界和人工时间序列数据文件 NAB数据集是Numenta公司开源的用于评估流式时序异常检测算法的公开数据集。它由超过50个带label的真实世界和人工时间序列数据文件组成。

链接：https://github.com/numenta/NAB

数据链接：https://github.com/numenta/NAB/tree/master/data

2.2 数据详情

包括真实数据集和人生生成的数据集

详情 请看：https://github.com/numenta/NAB/blob/master/data/README.md

主要包含交通，广告点击率，机器等数据

label数据在：https://github.com/numenta/NAB/tree/master/labels/raw

2.3 数据格式

2.3.1 时间序列文件

打开一个数据的格式。

所有的数据已经标准化，都是两列，一列是timestamp，另外一列是value值。

2.3.2 label文件

格式如下，保存格式是json

• key是文件名

• value是一个list，里面包含异常的点的timestamp

2.4 可视化

这里我挑选 './data/realTraffic/TravelTime_387.csv'进行了可视化

只展示了前两个异常点：

三、总结

该仓库还整理了若干近年来许多流式异常检测算法包以及评价函数，具体看仓库吧内容很多～

推荐阅读：

我的2022届互联网校招分享
 
我的2021总结
 
浅谈算法岗和开发岗的区别
 
互联网校招研发薪资汇总
2022届互联网求职现状，金9银10快变成铜9铁10！！
 
公众号：AI蜗牛车
 
保持谦逊、保持自律、保持进步
 
发送【蜗牛】获取一份《手把手AI项目》（AI蜗牛车著）
发送【1222】获取一份不错的leetcode刷题笔记
 
发送【AI四大名著】获取四本经典AI电子书