详细内容或原文请订阅后点击阅览
罕见事件的时间序列建模，python
这是在时间序列中以几行Codethe Post Hand on Time序列建模的罕见事件建模的时间序列中的罕见事件发生的方法，而Python首先出现在数据科学上。
来源:走向数据科学您听到了以下消息：
我们在这个时间表中拥有这些非常大的价值离群值
在我的数据科学时期，我听到了很多句子。在会议，产品评论和与客户的呼叫期间，据说这句话要保证，可能出现的一些很大（或小的）不需要的值不是“标准”，它们不属于“通常的过程”（我听说过的所有模糊的词语），并且它们并不构成我们试图构建的系统（x，y和z）的问题（x，y和z）。
在生产环境中，那些非常小的或非常大的值（称为极值）伴随着护栏，以“优雅地失败”，以防极端值测量。对于您只需要系统工作的情况，这通常就足够了，并且即使在不需要/不是标准/粗鲁，疯狂和令人讨厌的极端价值观的情况下，您也希望安全起作用。
极端值尽管如此，在分析时间表时，我们可以做一些事情，而不是用护栏“固定”极值，如果/否则阈值：我们实际上可以监视极端值，以便我们可以理解它们。
监视在时间表中，极端值实际上代表了感兴趣系统中的某些东西。例如，如果您的时间序列描述了城市的能源消耗，那么不合理的高能级可能表明特定区域中令人担忧的能源消耗，这可能需要采取行动。如果您要处理财务数据，高潮和低点具有明显的，至关重要的含义，并且理解其行为非常重要。
在这篇博客文章中，我们将处理天气数据，时间序列将代表温度（在开尔文）。我们将看到的数据将有多个城市，每个城市都会产生时间。如果您选择一个特定的城市，则有类似于您看到的时间表：
天气数据 数据源 建模 Gumbel 城市 l