Documentação do Oracle Cloud Infrastructure

Anomaly Detection

O Operador de Detecção de Anomalias é uma ferramenta de baixo código para integrar a detecção de anomalias em qualquer aplicativo empresarial.

Ele usa a detecção de anomalias construtivas de séries temporais para sinalizar momentos anômalos nos dados, por tempo e por ID.

Para obter mais informações, consulte a seção Detecção de Anomalias da documentação do ADS.

Dados de Entrada

O Operador de Detecção de Anomalias aceita um conjunto de dados com:
  • Uma coluna de destino.
  • (Opcional) Uma ou mais colunas de série, de modo que o destino seja indexado por data/hora e série.
  • (Opcional) Um número arbitrário de variáveis extras.

Além desses dados de entrada, você pode especificar os dados de validação, se disponíveis. Os dados de validação devem ter todas as colunas dos dados de entrada mais uma coluna binária intitulada anomaly. A coluna anomaly deve ter um valor menor que 1 para linhas anômalas e 1 para linhas normais.

Por fim, forneça test_data para receber métricas de teste e avaliar o desempenho do Operador com mais facilidade. Os dados de teste devem ser indexados por data e (opcionalmente) série. Os dados de teste devem ter um valor de menos 1 para linhas anômalas e 1 para linhas normais.

Um job de detecção de anomalias pode ser configurado com o seguinte yaml:
kind: operator
type: anomaly
version: v1
spec:
    input_data:
        url: https://raw.githubusercontent.com/facebook/prophet/main/examples/example_yosemite_temps.csv
    model: autots
    target_column: y
Execute o operador com este comando:
ads operator run -f anomaly.yaml

Detecção de Anomalias Mulitvariada

Se você tiver variáveis extras que acha que podem estar relacionadas, use a detecção de anomalias multivariadas. Todas as colunas extras especificadas nos dados de entrada são usadas para localizar se a coluna de destino é anômala.

Seleção Automática de Modelo

Os usuários dos operadores não precisam saber nada sobre os modelos subjacentes para usá-los. Por padrão, definimos o modelo como auto. No entanto, se você quiser mais controle sobre os parâmetros de modelagem, defina o parâmetro de modelo como autots ou automlx e, em seguida, passe os parâmetros diretamente para model_kwargs.