共计 2092 个字符，预计需要花费 6 分钟才能阅读完成。
摘要：2020GDE 寰球开发者大赛 -KPI 异样检测告一段落，来自深圳福田莲花街道的“原从入门到精通”有幸获得了 总榜 TOP1 的问题，在这里跟大家分享深圳福田莲花街道在本次较量的解决方案。
背景介绍
核心网在挪动运营商网络中占据无足轻重的位置，其异样往往会导致呼叫失败、网络提早等现网故障，对全网的服务质量带来重大的负面影响，多则影响十数万用户，并引发大面积投诉 [1]。因而须要疾速及时地发现核心网的异样危险，在影响扩充之前及时打消故障。
KPI 是一类可能反映网络性能与设施运行状态的指标，本赛题提供某运营商核心网的 KPI 实在数据，数据模式为 KPI 工夫序列，采样距离为 1 小时，选手须要应用[2019-08-01,2019-09-23) 的数据进行建模，应用训练好的模型对将来 7 天的数据进行预测，辨认将来一周 KPI 序列中的异样点。
评估指标：
本赛题采纳 F1 作为评估指标，具体计算公式如下：
P = TP/(TP+FP)
R = TP/(TP+FN)
F1 = 2PR/(P+R)
数据摸索
数据 ** 有 20 个不同的 KPI，不同的 KPI 物理意义不同，代表了不同的核心网指标，因为赛题须要对将来 7 天的数据进行预测，因而对于建模样本也进行周级别的散布查看。从 Fig1 中能够显著看到训练集中前三周的异样率显著低于后续几周。进一步剖析能够发现尽管赛题提供了 [2019-08-01,2019-09-23) 的全副数据，但 2019-08-15 之前所有 20 个 KPI 均毫无异样，第一个异样点是从 2019-08-15 02:00:00 开始呈现的（Fig2），因而揣测 8.15 前的数据分布不同于后续样本，或 8.15 之前存在标注异样的问题。试验中剔除 8.15 之前的样本建模成果也优于保留该时间段样本，进一步验证了该揣测。
摘要：2020GDE 寰球开发者大赛 -KPI 异样检测告一段落，来自深圳福田莲花街道的“原从入门到精通”有幸获得了 总榜 TOP1 的问题，在这里跟大家分享深圳福田莲花街道在本次较量的解决方案。
背景介绍
核心网在挪动运营商网络中占据无足轻重的位置，其异样往往会导致呼叫失败、网络提早等现网故障，对全网的服务质量带来重大的负面影响，多则影响十数万用户，并引发大面积投诉 [1]。因而须要疾速及时地发现核心网的异样危险，在影响扩充之前及时打消故障。
KPI 是一类可能反映网络性能与设施运行状态的指标，本赛题提供某运营商核心网的 KPI 实在数据，数据模式为 KPI 工夫序列，采样距离为 1 小时，选手须要应用 2019-08-01,2019-09-23) 的数据进行建模，应用训练好的模[源码交易型对将来 7 天的数据进行预测，辨认将来一周 KPI 序列中的异样点。
评估指标：
本赛题采纳 F1 作为评估指标，具体计算公式如下：
P = TP/(TP+FP)
R = TP/(TP+FN)
F1 = 2PR/(P+R)
数据摸索
数据 ** 有 20 个不同的 KPI，不同的 KPI 物理意义不同，代表了不同的核心网指标，因为赛题须要对将来 7 天的数据进行预测，因而对于建模样本也进行周级别的散布查看。从 Fig1 中能够显著看到训练集中前三周的异样率显著低于后续几周。进一步剖析能够发现尽管赛题提供了 [2019-08-01,2019-09-23) 的全副数据，但 2019-08-15 之前所有 20 个 KPI 均毫无异样，第一个异样点是从 2019-08-15 02:00:00 开始呈现的（Fig2），因而揣测 8.15 前的数据分布不同于后续样本，或 8.15 之前存在标注异样的问题。试验中剔除 8.15 之前的样本建模成果也优于保留该时间段样本，进一步验证了该揣测。
背景介绍
核心网在挪动运营商网络中占据无足轻重的位置，其异样往往会导致呼叫失败、网络提早等现网故障，对全网的服务质量带来重大的负面影响，多则影响十数万用户，并引发大面积投诉 [1]。因而须要疾速及时地发现核心网的异样危险，在影响扩充之前及时打消故障。
KPI 是一类可能反映网络性能与设施运行状态的指标，本赛题提供某运营商核心网的 KPI 实在数据，数据模式为 KPI 工夫序列，采样距离为 1 小时，选手须要应用[2019-08-01,2019-09-23) 的数据进行建模，应用训练好的模型对将来 7 天的数据进行预测，辨认将来一周 KPI 序列中的异样点。
评估指标：
本赛题采纳 F1 作为评估指标，具体计算公式如下：
P = TP/(TP+FP)
R = TP/(TP+FN)
F1 = 2PR/(P+R)
数据摸索
数据 ** 有 20 个不同的 KPI，不同的 KPI 物理意义不同，代表了不同的核心网指标，因为赛题须要对将来 7 天的数据进行预测，因而对于建模样本也进行周级别的散布查看。从 Fig1 中能够显著看到训练集中前三周的异样率显著低于后续几周。进一步剖析能够发现尽管赛题提供了 [2019-08-01,2019-09-23) 的全副数据，但 2019-08-15 之前所有 20 个 KPI 均毫无异样，第一个异样点是从 2019-08-15 02:00:00 开始呈现的（Fig2），因而揣测 8.15 前的数据分布不同于后续样本，或 8.15 之前存在标注异样的问题。试验中剔除 8.15 之前的样本建模成果也优于保留该时间段样本，进一步验证了该揣测。
