相关疑难解决方法(0)

更新:迄今为止 表现最佳的算法就是这个算法.

该问题探讨了用于检测实时时间序列数据中的突然峰值的稳健算法.

请考虑以下数据集:

p = [1 1 1.1 1 0.9 1 1 1.1 1 0.9 1 1.1 1 1 0.9 1 1 1.1 1 1 1 1 1.1 0.9 1 1.1 1 1 0.9 1, ...
     1.1 1 1 1.1 1 0.8 0.9 1 1.2 0.9 1 1 1.1 1.2 1 1.5 1 3 2 5 3 2 1 1 1 0.9 1 1 3, ... 
     2.6 4 3 3.2 2 1 1 0.8 4 4 …

我有几周的销售数据

xs[weeks] = [1,2,3,4]
ys['Units Sold'] = [1043,6582,5452,7571]

从给定的系列中，我们可以看到，虽然从 xs[2] 到 xs[3] 有所下降，但总体上呈上升趋势。如何检测小时间序列数据集中的趋势。

为这条线找到一个斜率是最好的方法吗？以及如何计算python中一条线的倾斜角？

我正在记录房间的温度值,将它们保存到数据库中.当温度突然升高时,我想得到警报.我不能设定固定值,因为冬天可接受18°C,夏季可接受25°C.但如果它在20°C到25°C之间跳跃,比方说,30分钟并保持这样5分钟(以消除错误的读数),我想得到通知.

我目前的想法是从最近30分钟(A)读取读数并从最后5分钟读取(B),计算A和B的中位数,并检查它们之间的差异是否小于我想要的阈值.

这是解决这个问题的正确方法吗？还是有更好的算法？我搜索了一个特定的,但大多数似乎过于复杂.

谢谢!