4.3 基于经典时间序列模型 (如ARIMA, EWMA)

文档摘要

4.3 基于经典时间序列模型 (如ARIMA, EWMA) 4.3 基于经典时间序列模型 (如ARIMA, EWMA) 的异常检测经典时间序列模型，如 ARIMA (自回归积分滑动平均模型) 和 EWMA (指数加权移动平均) 模型，在异常检测领域有着广泛的应用。这些模型能够捕捉时间序列数据的内在结构和趋势，从而可以识别与预期模式的偏差，进而检测出异常。 4.3.1 ARIMA 模型 ARIMA 模型是一类强大的时间序列预测模型，它通过对时间序列的自相关性进行建模来实现预测。 ARIMA 模型由三个参数 (p, d, q) 定义，分别代表自回归 (AR) 阶数、差分 (I) 阶数和移动平均 (MA) 阶数。