V2EX › sgld 的所有回复 › 第 1 页 / 共 2 页

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

1 2

❮

❯

33 天前

回复了 crc8 创建的主题 › Python › 为什么 Python 会有那么多人喜欢用？

爱用不用。又不影响他的地位。Python 核心开发就那么点人，没什么好挑三拣四的，给 Python 捐过钱还是咋。

越发觉得，高天视频里面骂的好啊！！！

61 天前

回复了 iorilu 创建的主题 › Python › 其实我经常好奇一件事, 为什么 Python 得 dict 没有 set 方法, 有人知道什么历史原因吗

@iorilu Python 对序列取值就是用的[]，你可能只是不习惯而已。就像取属性用的是 . 这个也对应了`__getattr__(self, name)`

你这单纯不习惯，不同语言有所不同很正常吧

61 天前

回复了 iorilu 创建的主题 › Python › 其实我经常好奇一件事, 为什么 Python 得 dict 没有 set 方法, 有人知道什么历史原因吗

d['name'] = 'tom'

这个本身不就是调用的__setitem__ 嘛，所以为啥还需要再建立一个 set()方法再调这个方法呢？

存在这个方法才是真正的多此一举吧。就像 6 楼说的，get 方法是因为需要在不存在时返回默认值。否则直接[]取也是一样的。

61 天前

回复了 BlueWaters 创建的主题 › Python › PyQt/PySide 界面布局的选择与建议

看情况吧，自己写感觉代码要简洁些，

95 天前

回复了 sgld 创建的主题 › Python › 时间序列进行异常检测(通过近 24h 数据) Python

@Sawyerhou 我懂你意思了，预测本身就是距离结尾越远越不准，而且我这里没有用 growth='logistic'，等于用的是线性那个，最远的话偏差会越大
所以就把我需要异常检测的点位置靠近模型训练的点结束位置靠近一些比较好。

关于最后一个图那个前值填充那边，应该是不需要的，那个些突出来的本身就是异常点，需要检测异常然后报警提醒。

95 天前

回复了 sgld 创建的主题 › Python › 时间序列进行异常检测(通过近 24h 数据) Python

@huangyezhufeng 好的好的，我了解一下，之前都是中文搜索的资料，没有尝试去看 paper

95 天前

回复了 sgld 创建的主题 › Python › 时间序列进行异常检测(通过近 24h 数据) Python

@Sawyerhou

我传到了图床 --- 限制原因只能拍

如下所示，前面三张图前面曲线拟合都很不错，最后一段显然是预测出现了异常问题，最后一张则是效果非常好。

https://smms.app/image/Kt3W4fMBYLs5DHo
https://smms.app/image/49rGbuEsMqVSYP8
https://smms.app/image/QY4KleB1rRWOiuL
https://smms.app/image/QtcTOUvaqwjoMZR

这里使用的是 prophet ，没有使用参数 growth='logistic'(最后一段会飞，不知道为啥)

95 天前

回复了 sgld 创建的主题 › Python › 时间序列进行异常检测(通过近 24h 数据) Python

@Sawyerhou 好像没法添加图片 qwq
append 不行

目前使用 prophet 尝试了大概 20+个指标(孤立森林的方法并不会放弃，对于点异常还是很好用的)

问题就是最后面抽，这个预测最后明显是预测出现问题了的，前面拟合都还不错。

预测大概是 24 个点，训练的数据集大概是 7*24*6 = 1008 个点(不是很多)

主要是最后的部分出问题了 --- 预测曲线很突兀的下降，趋势非常陡峭，就很奇怪，然后报异常。前面的拟合都很好

96 天前

回复了 sgld 创建的主题 › Python › 时间序列进行异常检测(通过近 24h 数据) Python

@shicheng1993 好的好的，我学习一下

96 天前

回复了 sgld 创建的主题 › Python › 时间序列进行异常检测(通过近 24h 数据) Python

@Sawyerhou 今天在培训，晚点回去丢。倒不是检测不出，太敏感了。误报率比较高

也有检测不出的，就是本来一个液位下降，中间有一段水箱之间窜水，斜率变了一点，那个异常确实看起来不像，不考虑那种。

96 天前

回复了 sgld 创建的主题 › Python › 时间序列进行异常检测(通过近 24h 数据) Python

@watry 好的，卡尔曼滤波还没尝试过，我尝试下预处理效果

96 天前

回复了 sgld 创建的主题 › Python › 时间序列进行异常检测(通过近 24h 数据) Python

@013231 滑动窗口尝试过，误报率比较大，可能当时没有认真一个个调整窗口的原因，指数滑动方法也尝试过。