使用指数加权移动平均的异常检测

Question

我想使用指数加权移动平均来检测异常。

对于时间t的实例，我将获得数据点（DP）值。
EWMA常数将为0.85（假设）。
对于例如，

Time(t) DataPoint(t) EMA(t-1) EMA(t) 
1  120    0   102  
.  .    .   . 
.  .    .   . 
.  .    .   . 
.  .    .   . 
.  .    .   .  
10  300    150  277.5 

我不想采取一系列数据点的计算入。

在任何时间例如说10，我想知道数据点300（在这种情况下）是否是一个异常。我也有EMA _{（9）= 150}和EMA（10）= 277.5用于计算（如果需要）

是否有任何逻辑来计算？

提前致谢！

---

更新：

我想下面的逻辑，但不知道这是否会肯定

ABS（DP-EMA（新））> 3 * SD {EMA（旧作），EMA（新）}

（或）

ABS（DP-EMA（新））> 3 * EMWSD {EMA（旧），EMA（新）}

DP - 数据点
EMA - 指数加权移动平均

Answer 1

这将是很难说的DP是或不是一个异常，因为你不知道如何开发你的EMA(t-1)是。即如果有多个数据点，那么它将是比只有一个其他数据点更好的标记。

您可以采取的一种方法是更改​​阈值。基本上如果EMA的变化超过一个百分比，你认为它是一个异常。但是，如果你的数字真的很高，而且差别非常小，这会受到影响。

你真正需要的是检测异常的标准偏差。您可以查看潜在的跟踪并使用它来更好地确定是否有异常情况。

如果您对将要使用的数据有任何了解，请更新您的问题以获得更有针对性的帮助。

UPDATE：

在回答你加入我假设的数据你想300是一个异常（你的其他值分别为120和150）。但是，如果300以后的数字更加正常，那么我上面提出的方法将会奏效，170说可能也会被标记为异常。

恕我直言你把重量放在新的价值是过分的。我会做的其他方式：

新= .85 *老+ 0.15 * newDP

，而不是你有什么

新= 0.15 *旧+的.85 * newDP

如果您改变我的建议，您将获得公平的结果。取决于你的总体目标是否合理，结果可能就足够了。