时序数据是物联网领域广泛存在的数据类型，具有一定的时空特性，处理难度大

1、预处理

1.1 样本权重调整

（1）调整分类阈值

使得结果更加倾向于数据少的类别

（2）选择合适的评价标准

包括ROC、AUC、F1、G-mean，而不是单纯的准确率。

（3）过采样

过采样：重复数据量少的数据，实际上没有为模型引入更多数据，过分强调数据量少的数据，会放大该类数据噪音对模型的影响。

欠采样：丢弃大量数据，和过采样一样会存在过拟合的问题。

(4)数据合成

用现有的数据合成数量少的类别的数据。

1.2 时效性

对于时效性要求较高的系统（如系统异常检测系统），对于数据预处理速度要求较高。

2、特征提取

（1）统计特征

窗口内数据的统计特征

（2）对比数据

序列前后数据的对比

（3）组合特征

（4）比统计特征

结合滑动窗口和对比

3、模型训练

3.1 选择模型

• 异常检测模型

（1）IsolationForest

（2）随机森林

（3）深度学习

3.2 训练模型

4、模型运行

5、参考文献

1.首届AIOps挑战赛——冠军LogicMonitor-AI团队方案分享

2.欠采样和过采样

欢迎关注我的微信公众号

互联网矿工