×
13518219792

建站动态

根据您的个性需求进行定制 先人一步 抢占小程序红利时代

Python时间序列异常检测ADTK

 1. adtk简介

智能运维AIOps的数据基本上都是时间序列形式的，而异常检测告警是AIOps中重要组成部分。笔者最近在处理时间序列数据时有使用到adtk这个python库，在这里和大家做下分享。

创新互联公司于2013年开始，先为平泉等服务建站，平泉等地企业，进行企业商务咨询服务。为平泉企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。

什么是adtk?

adtk（Anomaly Detection Toolkit）是无监督异常检测的python工具包，它提供常用算法和处理函数：

2. 安装

 
 
 
 
      
  
  
  
  1. pip install adtk 
    2.

3. adtk数据要求

时间序列的数据主要包括时间和相应的指标（如cpu，内存，数量等）。python中数据分析一般都是pandas的DataFrame，adtk要求输入数据的索引必须是DatetimeIndex。

pandas提供了时间序列的时间生成和处理方法。

 
 
 
 
      
  
  
  
  1. stamps = pd.date_range("2012-10-08 18:15:05", periods=4, freq="D")  
    2.   
  
  
  
  2. # DatetimeIndex(['2012-10-08 18:15:05', '2012-10-09 18:15:05',  
    3.   
  
  
  
  3. #           '2012-10-10 18:15:05', '2012-10-11 18:15:05'],  
    4.   
  
  
  
  4. #          dtype='datetime64[ns]', freq='D') 
    5.  
 
 

 
 
 
 
      
  
  
  
  1. tmp = pd.Timestamp("2018-01-05") + pd.Timedelta("1 day")  
    2.   
  
  
  
  2.  print(tmp, tmp.timestamp(), tmp.strftime('%Y-%m-%d'))  
    3.   
  
  
  
  3.  # 2018-01-06 00:00:00 1515196800.0 2018-01-06  
    4.   
  
  
  
  4.  pd.Timestamp( tmp.timestamp(), unit='s', tz='Asia/Shanghai')  
    5.   
  
  
  
  5.  # Timestamp('2018-01-06 08:00:00+0800', tz='Asia/Shanghai') 
    6.

adtk提供是validate_series来验证时间序列数据的有效性，如是否按时间顺序

 
 
 
 
      
  
  
  
  1. import pandas as pd  
    2.   
  
  
  
  2. from adtk.data import validate_series  
    3.   
  
  
  
  3. from adtk.visualization import plot  
    4.   
  
  
  
  4. df = pd.read_csv('./data/nyc_taxi.csv', index_col="timestamp", parse_dates=True)  
    5.   
  
  
  
  5. df = validate_series(df)  
    6.   
  
  
  
  6. plot(df) 
    7.

4. 异常特征加工（transformers）

adtk中transformers提供了许多时间序列特征加工的方法：

4.1 滑动窗口

atdk提供单个宽口RollingAggregate和2个窗口DoubleRollingAggregate的滑动方式。统计特征支持均值，中位数，汇总，最大值，最小值，分位数， 方差，标准差，偏度，峰度，直方图 等，['mean', 'median', 'sum', 'min', 'max', 'quantile', 'iqr', 'idr', 'count', 'nnz', 'nunique', 'std', 'var', 'skew', 'kurt', 'hist']其中

 
 
 
 
      
  
  
  
  1. import pandas as pd  
    2.   
  
  
  
  2.   from adtk.data import validate_series  
    3.   
  
  
  
  3.   from adtk.transformer import RollingAggregate  
    4.   
  
  
  
  4.   from adtk.transformer import DoubleRollingAggregate  
    5.   
  
  
  
  5.   s = pd.read_csv('./data/nyc_taxi.csv', index_col="timestamp", parse_dates=True)  
    6.   
  
  
  
  6.   s = validate_series(s)  
    7.   
  
  
  
  7.   s_transformed = RollingAggregate(agg='quantile',agg_params={"q": [0.25, 0.75]}, window=5).transform(s) 
    8.  
 
 


 
 
 
 
      
  
  
  
  1. import pandas as pd  
    2.   
  
  
  
  2. from adtk.data import validate_series  
    3.   
  
  
  
  3. from adtk.transformer import DoubleRollingAggregate  
    4.   
  
  
  
  4. s = pd.read_csv('./data/ec2_cpu_utilization_53ea38.csv', index_col="timestamp", parse_dates=True)  
    5.   
  
  
  
  5. s = validate_series(s)  
    6.   
  
  
  
  6. s_transformed = DoubleRollingAggregate(  
    7.   
  
  
  
  7.     agg="median",  
    8.   
  
  
  
  8.     window=5,  
    9.   
  
  
  
  9.     diff="diff").transform(s) 
    10.

4.2 季节性拆解

时间序列可拆解成趋势性，季节性和残差部分。atdk中ClassicSeasonalDecomposition提供了这三个部分拆解，并移除趋势和季节性部分，返回残差部分。

 
 
 
 
      
  
  
  
  1. from adtk.transformer import ClassicSeasonalDecomposition  
    2.   
  
  
  
  2. s = pd.read_csv('./data/nyc_taxi.csv', index_col="timestamp", parse_dates=True)  
    3.   
  
  
  
  3. s = validate_series(s) 
    4.   
  
  
  
  4. s_transformed = ClassicSeasonalDecomposition().fit_transform(s) 
    5.  
 
 


 
 
 
 
      
  
  
  
  1. s_transformed = ClassicSeasonalDecomposition(trend=True).fit_transform(s) 
    2.

4.3 降维和重构

adtk提供的pca对数据进行降维到主成分PcaProjection和重构方法PcaReconstruction。

 
 
 
 
      
  
  
  
  1. df = pd.read_csv('./data/generator.csv', index_col="Time", parse_dates=True)  
    2.   
  
  
  
  2. df = validate_series(df)  
    3.   
  
  
  
  3. from adtk.transformer import PcaProjection  
    4.   
  
  
  
  4. s = PcaProjection(k=1).fit_transform(df)  
    5.   
  
  
  
  5. plot(pd.concat([df, s], axis=1), ts_linewidth=1, ts_markersize=3, curve_group=[("Speed (kRPM)", "Power (kW)"), "pc0"]); 
    6.  
 
 


 
 
 
 
      
  
  
  
  1. from adtk.transformer import PcaReconstruction  
    2.   
  
  
  
  2. df_transformed = PcaReconstruction(k=1).fit_transform(df).rename(columns={"Speed (kRPM)": "Speed reconstruction (kRPM)", "Power (kW)": "Power reconstruction (kW)"}) 
    3.   
  
  
  
  3. plot(pd.concat([df, df_transformed], axis=1), ts_linewidth=1, ts_markersize=3, curve_group=[("Speed (kRPM)", "Power (kW)"), ("Speed reconstruction (kRPM)", "Power reconstruction (kW)")]); 
    4.   
  
  
  
  4. ../_images/notebooks_demo_99_0.png 
    5.

5. 异常检测算法（detector）

adtk提供的主要是无监督或者基于规则的时间序列检测算法，可以用于常规的异常检测。

 
 
 
 
      
  
  
  
  1. adtk.detector.ThresholdAD(low=None, high=None)  
    2.   
  
  
  
  2.  参数：  
    3.   
  
  
  
  3.  low：下限，小于此值，视为异常  
    4.   
  
  
  
  4.  high：上限，大于此值，视为异常  
    5.   
  
  
  
  5.  原理：通过认为设定上下限来识别异常  
    6.   
  
  
  
  6.  总结：固定阈值算法  
    7.  
 
 

 
 
 
 
      
  
  
  
  1. from adtk.detector import ThresholdAD  
    2.   
  
  
  
  2. threshold_ad = ThresholdAD(high=30, low=15)  
    3.   
  
  
  
  3. anomalies = threshold_ad.detect(s) 
    4.  
 
 


 
 
 
 
      
  
  
  
  1. adtk.detector.QuantileAD(low=None, high=None)  
    2.   
  
  
  
  2. 参数：  
    3.   
  
  
  
  3. low：分位下限，范围(0,1)，当low=0.25时，表示Q1  
    4.   
  
  
  
  4. high：分位上限，范围(0,1)，当low=0.25时，表示Q3  
    5.   
  
  
  
  5. 原理：通过历史数据计算出给定low与high对应的分位值Q_low,Q_high，小于Q_low或大于Q_high，视为异常  
    6.   
  
  
  
  6. 总结：分位阈值算法  
    7.  
 
 

 
 
 
 
      
  
  
  
  1. from adtk.detector import QuantileAD  
    2.   
  
  
  
  2. quantile_ad = QuantileAD(high=0.99, low=0.01)  
    3.   
  
  
  
  3. anomalies = quantile_ad.fit_detect(s) 
    4.  
 
 


 
 
 
 
      
  
  
  
  1. adtk.detector.InterQuartileRangeAD(c=3.0)  
    2.   
  
  
  
  2. 参数：  
    3.   
  
  
  
  3. c：分位距的系数，用来确定上下限，可为float，也可为(float,float)  
    4.   
  
  
  
  4. 原理： 
    5.   
  
  
  
  5. 当c为float时，通过历史数据计算出 Q3+c*IQR 作为上限值，大于上限值视为异常  
    6.   
  
  
  
  6. 当c=(float1,float2)时，通过历史数据计算出 (Q1-c1*IQR, Q3+c2*IQR) 作为正常范围，不在正常范围视为异常  
    7.   
  
  
  
  7. 总结：箱线图算法  
    8.  
 
 

 
 
 
 
      
  
  
  
  1. from adtk.detector import InterQuartileRangeAD  
    2.   
  
  
  
  2. iqr_ad = InterQuartileRangeAD(c=1.5)  
    3.   
  
  
  
  3. anomalies = iqr_ad.fit_detect(s) 
    4.  
 
 


 
 
 
 
      
  
  
  
  1. adtk.detector.GeneralizedESDTestAD(alpha=0.05)  
    2.   
  
  
  
  2.    参数：  
    3.   
  
  
  
  3.    alpha：显著性水平 (Significance level)，alpha越小，表示识别出的异常约有把握是真异常  
    4.   
  
  
  
  4.    原理:将样本点的值与样本的均值作差后除以样本标准差，取最大值，通过t分布计算阈值，对比阈值确定异常点  
    5.   
  
  
  
  5.    计算步骤简述：  
    6.   
  
  
  
  6.    设置显著水平alpha，通常取0.05  
    7.   
  
  
  
  7.    指定离群比例h，若h=5%，则表示50各样本中存在离群点数为2  
    8.   
  
  
  
  8.    计算数据集的均值mu与标准差sigma，将所有样本与均值作差，取绝对值，再除以标准差，找出最大值，得到esd_1  
    9.   
  
  
  
  9.    在剩下的样本点中，重复步骤3，可以得到h个esd值  
    10.   
  
  
  
  10.    为每个esd值计算critical value: lambda_i (采用t分布计算)  
    11.   
  
  
  
  11.    统计每个esd是否大于lambda_i，大于的认为你是异常  
    12.  
 
 

 
 
 
 
      
  
  
  
  1. from adtk.detector import GeneralizedESDTestAD  
    2.   
  
  
  
  2. esd_ad = GeneralizedESDTestAD(alpha=0.3)  
    3.   
  
  
  
  3. anomalies = esd_ad.fit_detect(s) 
    4.  
 
 


 
 
 
 
      
  
  
  
  1. adtk.detector.PersistAD(window=1, c=3.0, side='both', min_periods=None, agg='median')  
    2.   
  
  
  
  2.    参数：  
    3.   
  
  
  
  3.    window：参考窗长度，可为int, str  
    4.   
  
  
  
  4.    c：分位距倍数，用于确定上下限范围  
    5.   
  
  
  
  5.    side：检测范围，为'positive'时检测突增，为'negative'时检测突降，为'both'时突增突降都检测  
    6.   
  
  
  
  6.    min_periods：参考窗中最小个数，小于此个数将会报异常，默认为None，表示每个时间点都得有值  
    7.   
  
  
  
  7.    agg：参考窗中的统计量计算方式，因为当前值是与参考窗中产生的统计量作比较，所以得将参考窗中的数据计算成统计量，默认'median'，表示去参考窗的中位值  
    8.   
  
  
  
  8.    原理：  
    9.   
  
  
  
  9.    用滑动窗口遍历历史数据，将窗口后的一位数据与参考窗中的统计量做差，得到一个新的时间序列s1;  
    10.   
  
  
  
  10.    计算s1的(Q1-c*IQR, Q3+c*IQR) 作为正常范围； 
    11.   
  
  
  
  11.    若当前值与它参考窗中的统计量之差，不在2中的正常范围内，视为异常。  
    12.   
  
  
  
  12.    调参：  
    13.   
  
  
  
  13.    window：越大，模型越不敏感，不容易被突刺干扰  
    14.   
  
  
  
  14.    c：越大，对于波动大的数据，正常范围放大较大，对于波动较小的数据，正常范围放大较小  
    15.   
  
  
  
  15.    min_periods：对缺失值的容忍程度，越大，越不允许有太多的缺失值  
    16.   
  
  
  
  16.    agg：统计量的聚合方式，跟统计量的特性有关，如 'median'不容易受极端值影响  
    17.   
  
  
  
  17.    总结：先计算一条新的时间序列，再用箱线图作异常检测  
    18.  
 
 

 
 
 
 
      
  
  
  
  1. from adtk.detector import PersistAD  
    2.   
  
  
  
  2. persist_ad = PersistAD(c=3.0, side='positive')  
    3.   
  
  
  
  3. anomalies = persist_ad.fit_detect(s) 
    4.  
 
 


 
 
 
 
      
  
  
  
  1. adtk.detector.LevelShiftAD(window, c=6.0, side='both', min_periods=None)  
    2.   
  
  
  
  2.  参数：  
    3.   
  
  
  
  3.  window：支持(10,5)，表示使用两个相邻的滑动窗，左侧的窗中的中位值表示参考值，右侧窗中的中位值表示当前值  
    4.   
  
  
  
  4.  c：越大，对于波动大的数据，正常范围放大较大，对于波动较小的数据，正常范围放大较小，默认6.0  
    5.   
  
  
  
  5.  side：检测范围，为'positive'时检测突增，为'negative'时检测突降，为'both'时突增突降都检测  
    6.   
  
  
  
  6.  min_periods：参考窗中最小个数，小于此个数将会报异常，默认为None，表示每个时间点都得有值  
    7.   
  
  
  
  7.  原理： 
    8.   
  
  
  
  8.  该模型用于检测突变情况，相比于PersistAD，其抗抖动能力较强，不容易出现误报  
    9.  
 
 

 
 
 
 
      
  
  
  
  1. from adtk.detector import LevelShiftAD  
    2.   
  
  
  
  2. level_shift_ad = LevelShiftAD(c=6.0, side='both', window=5)  
    3.   
  
  
  
  3. anomalies = level_shift_ad.fit_detect(s) 
    4.  
 
 


 
 
 
 
      
  
  
  
  1. adtk.detector.SeasonalAD(freq=None, side='both', c=3.0, trend=False)  
    2.   
  
  
  
  2. SeasonalAD主要是根据ClassicSeasonalDecomposition来处理，判断。  
    3.   
  
  
  
  3. 参数：  
    4.   
  
  
  
  4. freq：季节性周期  
    5.   
  
  
  
  5. c：越大，对于波动大的数据，正常范围放大较大，对于波动较小的数据，正常范围放大较小，默认6.0  
    6.   
  
  
  
  6. side：检测范围，为'positive'时检测突增，为'negative'时检测突降，为'both'时突增突降都检测  
    7.   
  
  
  
  7. trend： 是否考虑趋势      
    8.  
 
 

 
 
 
 
      
  
  
  
  1. from adtk.detector import SeasonalAD  
    2.   
  
  
  
  2.       seasonal_ad = SeasonalAD(c=3.0, side="both")  
    3.   
  
  
  
  3.       anomalies = seasonal_ad.fit_detect(s)  
    4.   
  
  
  
  4.       plot(s, anomaly=anomalies, ts_markersize=1, anomaly_color='red', anomaly_tag="marker", anomaly_markersize=2); 
    5.  
 
 


 
 
 
 
      
  
  
  
  1. from adtk.pipe import Pipeline  
    2.   
  
  
  
  2.    steps = [  
    3.   
  
  
  
  3.        ("deseasonal", ClassicSeasonalDecomposition()),  
    4.   
  
  
  
  4.        ("quantile_ad", QuantileAD(high=0.995, low=0.005))  
    5.   
  
  
  
  5.    ] 
    6.   
  
  
  
  6.    pipeline = Pipeline(steps)  
    7.   
  
  
  
  7.    anomalies = pipeline.fit_detect(s)  
    8.   
  
  
  
  8.    plot(s, anomaly=anomalies, ts_markersize=1, anomaly_markersize=2, anomaly_tag="marker", anomaly_color='red'); 
    9.

6. 总结

本文介绍了时间序列异常检测的无监督算法工具包ADTK。ADTK提供了简单的异常检测算法和时间序列特征加工函数，希望对你有帮助。总结如下：


分享文章：Python时间序列异常检测ADTK
文章分享：http://cdbrznjsb.com/article/dpcidid.html

其他资讯

让你的专属顾问为你服务