Какие особенности anomaly detection в time series (STL residuals, ESD)?

Anomaly detection в временных рядах часто использует методы, которые учитывают сезонность и тренды, чтобы выделить аномалии в остатках (residuals).

STL residuals (Seasonal-Trend decomposition using Loess):

• STL разбивает временной ряд на три компонента: сезонность, тренд и остатки.
• Аномалии ищутся в остатках, так как они отражают отклонения от ожидаемого поведения после учета тренда и сезонности.
• Это позволяет более точно выявлять аномалии, не путая их с сезонными колебаниями.

ESD (Extreme Studentized Deviate):

• Статистический тест для обнаружения нескольких выбросов в данных.
• Работает на основе последовательного удаления наиболее экстремальных значений и проверки их значимости.
• Часто применяется к остаткам после декомпозиции (например, после STL), чтобы выявить статистически значимые аномалии.

Вместе эти методы позволяют сначала очистить временной ряд от сезонных и трендовых эффектов (STL), а затем выявить аномалии в очищенных данных с помощью статистического теста (ESD).