我在从时间序列数据中检测异常时遇到了一些问题。

我使用LSTM模型来预测下一时间点的值作为y_pred，数据在下一时间点的真实值为y_real，因此我有er = |y_pred – y_t|，我用er与threshold = alpha * std进行比较来获取异常数据点。但有时我们的数据会受到管理员或用户的影响，例如周日的游戏玩家数量会高于周一。

那么，我应该使用另一种模型来分类异常数据点，还是使用”If else”来分类呢？

回答：

我认为您使用的是批处理模型（您没有使用任何实时处理框架和工具），因此在构建模型或分类时不应该有任何问题。问题可能会在您构建模型一段时间后出现，因此在那之后您的预测模型将不再有效。我建议一些方法或许可以解决这个问题：使用实时或近实时处理（如apache spark, flink, storm等）。定期使用一些条件检查您的数据是否有任何变化，如果发生变化，则再次运行您的模型。删除您认为可能引起问题的实例（可能那些变化的数据本身就是异常），但在删除之前请确保这些数据不是很重要。更改您的算法，使用对变化不太敏感的算法。