3

我正在使用Facebook 先知进行异常检测任务。

先知的一般超参数的优化将使我们做出更好的预测（yhat），但先知中的异常是根据值（Y）是否位于区间宽度之外来决定/捕获的。

问题：

  1. 对于异常检测，interval_width参数非常重要，我怀疑它如何帮助我根据季节性、趋势和变化预测上下文异常或异常？
  2. 为了优化参数MCMC samples，我应该使用最大的后验估计还是使用指定数量的马尔可夫链 Monte Carlo 样本进行完全贝叶斯干涉来训练和预测？

我还附上了为使用先知检测异常而绘制的图表片段。
在这个方向上的任何帮助和指导都将非常有帮助，期待进行建设性和有益的讨论。谢谢。 在此处输入图像描述

4

1 回答 1

1

过去，我为我的任务使用了类似的解决方案，而 Prophet 工作得很好。假设是用阈值建立我的数据模型，并将边界外的所有内容捕获为异常。

对于该方法，我认为这取决于您要捕获的内容，在您的情况下，趋势的不确定性可能就足够了（如果这是我们在图中看到的）。

回答您的问题：

  1. Interval_width 参数仅与趋势和观察噪声的不确定性有关。如文档中所述：“我们假设未来趋势变化的平均频率和幅度将与我们在历史中观察到的相同。我们向前预测这些趋势变化，并通过计算它们的分布，我们获得不确定区间。一个这种测量不确定性的方式的特性是允许更高的速率灵活性，通过增加 changepoint_prior_scale，将增加预测的不确定性。（...）不确定性区间的宽度（默认为 80%）可以使用参数 interval_width 设置。”简而言之，我们可以说，从趋势来看，80% 的样本应该在这些边界之间（yhat_upper 和 yhat_lower）

  2. 要查看季节性的不确定性，您必须进行完整的贝叶斯抽样。Mcmc.samples 默认为 0，这意味着它使用最大后验估计。

于 2022-02-26T21:18:49.780 回答