多変量の時系列データにおける異常検知(教師なし)を実現するpythonのライブラリはありますか？

多変量の時系列データにおける異常検知(教師なし)を実現するライブラリはありますか？

現在、サーバの障害検知の一環としてCPU/メモリ/ディスクIO等を入力データとした異常検知(変化点検出もしくは異常部位検出)を検討しています。

Webを検索すると、さまざまな実装例が出てくるのですが、心電図データの1変量の事例が多く、多変量の時系列データの事例が少なく困っております。

私の調べ方の問題かもしれませんが、多変量の場合、Rの実装例が多くヒットします。
当方、Rの経験がないため途方に暮れております。

時系列データにおける異常検知を実施するにあたって

変化点検出もしくは異常部位検出
教師なし
Pythonで実行可能
1変数ではなく多変量での分析が可能

なライブラリをご存じの方、教えていただけますでしょうか。

もしライブラリが存在するのであれば、
実装例等の記載のあるWebサイトや書籍、検証しやすいデータセット等　の情報があるととても助かります。

行動規範の内容に同意します

回答1件

ベストアンサー

多変量と1変量は、基本的に同じ方法論が適用できるので、すでにみつけているものを応用する方向で検討してはいかがでしょうか。
応用の方向性は2パターンあります。1つは、各変量を独立して異常値検知し、どれか一つでも異常と判定されたら異常とするというものです。これなら、単変量の異常値検知を変量分実装すればいいので簡単ですもう1つは、多変量を統合してひとつの変量に置き換えてから1変量の異常値検知を適用するというものです。
どちらが有益かは試してみないとわからないので、いろいろと試行錯誤してみてください。

投稿2020/05/07 17:31

R.Shigemori

総合スコア3376

shinjukuzame

2020/05/08 05:01

> もう1つは、多変量を統合してひとつの変量に置き換えてから1変量の異常値検知を適用するこれについて、次元削減して1変量に(＝目標次元数:１に削減)して分析するという理解でよろしいでしょうか。これは確かに盲点でした。ありがとうございます！もう一つ、調べていてk-NNで異常検知する際に、ウィンドウの中に複数の変数を入れ込んでしまう https://stackoverflow.com/questions/48003185/sklearn-dimensionality-issues-found-array-with-dim-3-estimator-expected-2?rq=1 というのも調べたら見つかりました。(2次元データしか扱えないsklearnのK-NNで3次元以上の分析をする際のアプローチとして記載がありました) 多変量の時系列データにおける異常検知(教師なし)を実現するにあたって、もう少しほかの方のご意見も確認したく、もう少し待たせてください。 R.Shigemori様にご提案いただいたアプローチ以外の方法をご存じの方、いらっしゃれば　是非ご教示をお願いいたします。