Amh*_*_11 3 machine-learning time-series anomaly-detection
我只是想知道隔离森林（iForest）是否可以处理时间序列数据。据我所知，iForest用于异常检测，它基于随机化技术对数据进行随机递归分区，然后将分区保存在树结构中。
我有一个理论问题。我只是想知道 iForest 是否可以处理时间序列数据，因为它基于一些随机化技术。这是否会违反时间序列特征，因为随机化可能会破坏时间依赖性？
默认情况下，隔离森林将有助于检测点异常，因为原则上它只是针对这些观察结果的稀有性。
\n但是让\xe2\x80\x99s 说我对时间序列数据中的异常感兴趣。隔离森林将能够找出此处作为点 异常出现的极端峰和谷，但对于集体异常，您可能需要转换数据，使每个观测值代表观测值的集合（滚动窗口操作）等。
\n原因是，在时间序列数据中，您对加性异常值或时间变化感兴趣，因此如果您计划使用隔离森林，您的观察结果必须单独表示。但您可以尝试其他技术，例如 STL 分解、Arima、回归树、指数平滑。您应该找到很多关于如何使用上述内容进行时间序列异常检测的材料。
\n