ZHANG RONG

> RT，是否有相关的paper或者其他理论背景，多谢 进行时间序列异常检测是需要使用历史数据的。一般情况下可以选择历史14天的数据，或者历史一周的数据。或者选择其中的一个时间序列切片，正如这个项目所示。 关于有监督方法或者特征工程，可以参考的论文和资料比较多： - 开源工具：tsfresh，https://tsfresh.readthedocs.io/en/latest/ - 论文：清华大学裴丹教授在2015年发表的 [Opprentice](https://conferences2.sigcomm.org/imc/2015/papers/p211.pdf) 系统，其余还有很多的论文。 - blog： 1. [时间序列简介（一）](https://zhuanlan.zhihu.com/p/32584136) 2. [如何理解时间序列？— 从 Riemann 积分和 Lebesgue 积分谈起](https://zhuanlan.zhihu.com/p/34407471) 3. [时间序列的自回归模型—从线性代数的角度来看](https://zhuanlan.zhihu.com/p/35093835) 做时间序列的特征与做推荐系统的特征有类似之处，更多的是结合自身的业务场景，针对自身的时间序列走势和趋势，甚至对正负样本的理解，在通用特征的基础上，做一些贴近业务的特征。在数据选择方面，可以根据自身的需求选择最合适的数据。