使用RobustPCA 进行时间序列的异常检测

鲁棒主成分分析(Robust Principal Component Analysis, RobustPCA)是一种将时间序列矩阵分解为低秩分量和稀疏分量的技术。这种分解能够识别潜在的趋势，以及检测异常和异常值。在本中我们将研究RobustPCA的数学基础，介绍它与传统的PCA之间的区别，并提供可视化来更好地理解它在时间序列预测和异常检测中的应用。

完整文章：

https://avoid.overfit.cn/post/0a8c32f16a284ceba20dee9cdf858ecb

posted @   deephub  阅读(60)  评论(0)  编辑  收藏  举报
相关博文：
· 用于时间序列异常检测的学生化残差（ studentized residual）的理论和代码实现
· 时间序列异常检测：统计和机器学习方法介绍
· [机器学习] 直观理解PCA
· [原创] 主成分分析（PCA）思路梳理
· PCA主成分分析原理随笔
阅读排行：
· 全程不用写代码，我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· MongoDB 8.0这个新功能碉堡了，比商业数据库还牛
· .NET10 - 预览版1新功能体验（一）
历史上的今天：
2022-05-14 3 个不常见但非常实用的Pandas 使用技巧
点击右上角即可分享
微信分享提示