Linkedin 的 Luminol 异常检测和相关库的工作示例

Posted 2023-02-15

【中文标题】Linkedin 的 Luminol 异常检测和相关库的工作示例

【英文标题】：Working Example Of Luminol Anomaly Detection And Correlation Library By Linkedin

【发布时间】：2017-06-23 10:13:04

【问题描述】：

Luminol 库的 Github 链接：https://github.com/linkedin/luminol

谁能用示例代码解释一下，如何使用此模块查找数据集中的异常。

我想使用这个模块来查找我的时间序列数据中的异常。

P.S.：我尝试了 README.md 中提供的示例 1，但出现错误，因此请提供一个工作示例来查找异常。

示例 1 将异常分数放入列表中。

from luminol.anomaly_detector import AnomalyDetector
my_detector = AnomalyDetector(ts)
score = my_detector.get_all_scores()
anom_score = list()
for (timestamp, value) in score.iteritems():
    t_str = time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(timestamp))
    anom_score.append([t_str, value])

获取value error: (22, 'Invalid argument') In line: t_str = time.strftime('%Y-%m-%d %H :%M%S', time.localtime(timestamp))

使用 Python 2.7

谢谢:)

【参考方案1】：

该示例在添加import time 并定义ts 后有效。 time.localtime 的使用假定您的起始数据使用 unix 时间。 AnomalyDetector 的其他参数在here 中注明。可用算法定义为here。如果未指定 algorithm_name，则 AnomalyDetector 会回退到使用 default_detector，它使用 exponential averages 和 derivatives 的加权和。这些slides 也可能会有所帮助。

数据.csv

1490323038, 3
1490323048, 4
1490323058, 6
1490323068, 78
1490323078, 67
1490323088, 5

app.py

from luminol.anomaly_detector import AnomalyDetector
import time

# ts = 'data.csv'  # or
ts =  
    '1490323038': 3,
    '1490323048': 4,
    '1490323058': 6,
    '1490323068': 78,
    '1490323078': 67,
    '1490323088': 5,


my_detector = AnomalyDetector(ts)
score = my_detector.get_all_scores()
anom_score = []

for (timestamp, value) in score.iteritems():
    t_str = time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(timestamp))
    anom_score.append([t_str, value])

for score in anom_score:
    print(score)

输出：

['2017-03-23 19:37:18', 0.0]
['2017-03-23 19:37:28', 0.02482518793211144]
['2017-03-23 19:37:38', 0.06951052620991202]
['2017-03-23 19:37:48', 2.5187085350547482]
['2017-03-23 19:37:58', 1.201340494410737]
['2017-03-23 19:38:08', 0.9673414624904575]