Python 时间序列异常点检测 | tsmoothie 基于数据平滑/拟合的方法 简单却快速有效

Posted 2022-07-11 叶庭云

一、tsmoothie

以向量化方式进行时间序列数据平滑和异常检测的 Python 库

tsmoothie 能够以快速有效的方式计算平滑单个或多个时间序列

可用的平滑技术包括：

• 指数平滑（Exponential Smoothing）
• 不同窗口类型的卷积平滑（constant，hanning，hamming，bartlett，blackman）
• 用傅里叶变换进行谱平滑（Spectral Smoothing）
• 多项式平滑（Polynomial Smoothing）
• 各种样条平滑（Spline Smoothing：linear，cubic，natural cubic）
• 高斯平滑（Gaussian Smoothing）
• Binner 平滑（Binner Smoothing）
• 局部加权回归平滑 （Lowess， Locally weighted regression）
• 各种季节分解平滑（convolution，lowess，natural cubic spline）
• 带有可定制组件的卡尔曼滤波 Kalman Smoothing（level，trend，seasonality，long seasonality）

tsmoothie 给出了平滑过程中区间的计算。这对于识别时间序列中的异常值（outliers and anomalies）是有用的。