我是一个初学者，我需要一些关于如何对以下场景进行建模的建议，
我平均每天从外部系统消耗约 5000 行数据。传入行数在 4950 到 5050 之间。我想建立一个警报机制，它会告诉我传入行数是否不正常。即，我想要一个解决方案，让我知道如果我说，在给定的一天有 2500 行，这比平均值少 50%，或者说 15000 行，比平均值多得多。
样本数据如下：
| 天 | 传入数据的大小（以 MB 为单位）| 行数 | 标签 |
| 平日 | 3.44 | 5000 | 是 |
| 平日 | 3.3 | 4999 | 是 |
| 平日 | 3.1 | 4955 | 是 |
| 平日 | 3.44 | 5000 | 是 |
| 周末 | 4.1 | 5050 | N |
我最初的想法是使用一些异常检测算法。我尝试使用主成分分析算法来检测异常。我收集了每天收到的总行数，并将其用于训练模型。但是，在使用非常有限的数据（少于 500 次观察）进行训练后，我发现准确性非常差。One-Class SVM 也没有给我很好的结果。我使用“行数”作为分类特征，标签作为..标签并忽略其余参数，因为在这种情况下它们对我不感兴趣。无论传入数据的日期和大小如何，我的逻辑仅围绕行数。此外，到目前为止，我没有任何负面情况，这意味着，我从未收到过少或过多的记录。因此，我将收到 5050 行的所有日子都标记为异常。
我确实意识到我在这里做的事情根本上是错误的。问题是，我的场景甚至有资格用于机器学习吗？（我相信确实如此，但希望得到您的意见）如果是，如何处理如此有限的训练数据集，而您几乎没有任何样本异常。这真的是一个异常问题，还是我可以使用一些分类算法来获得更好的结果？
谢谢
问问题
73 次