Я новичок в ML и Data Science. У меня есть проблемная задача по поиску аномалий в нескольких временных рядах, но с оговоркой, что весь временной ряд считается выбросом в наборе из многих таких временных рядов. Я использую библиотеки Python и Keras LSTM для обработки этих данных, и я сохраняю каждый временной ряд в фреймворке данных и создаю фреймворк всех таких фреймов данных.
Проблема в том, что у меня нет никакого обучения данные или информация о том, какие временные ряды имеют аномальный характер. У меня очень маленький набор, всего около 30 таких временных рядов (но каждый фрейм данных имеет более 8 тысяч временных шагов). Я попытался почитать о LSTM и проверил некоторые существующие способы использования LSTM при обнаружении аномалий временных рядов, но все они имеют а) один временной ряд, на котором они тренируют методы прогнозирования LSTM б) отдельный обучающий набор данных для обучения сети LSTM, а затем использование модели для поиска аномалий
Одна идея, которую я имел в виду, заключалась в том, чтобы подогнать модель автокодера ко всем последовательностям, а затем снова запустить ее на той же последовательности и найдите ошибку восстановления. Я боюсь, что с несколькими временными рядами LSTM также будет тренироваться на аномальных последовательностях и не будет работать хорошо. Есть ли какие-либо ресурсы, которые могут помочь мне с реализацией Python того, как я могу обнаруживать аномалии в таком наборе данных без каких-либо четко определенных данных обучения и тестирования?