基于机器学习的动态基线性能时序数据异常检测研究与应用

作者：马玉超

来源：中国金融电脑, 2020, (06): 51-59.

<正>近年来,大数据、云计算和机器学习等技术突飞猛进并且在金融科技领域得到广泛应用。银行业信息系统基础设施运维管理逐步智能化,各项指标时间序列数据得以采集存储,并形成结构化、规模化的数据仓库。如何对这些数据进行挖掘分析产生有助于决策的模型而发挥出数据资产的价值效应,已成为行业内关注研究的重点。针对时间序列数据的挖掘分析,可以将其分为历史数据分析和实时数据分析。历史数据分析通过对历史数据采样、加工和拟合,应用长期模型分析形成"基本趋势",对历史数据的动态循环分析形成"动态基线";