nkuxx161/baseline-sr

Outspot baseline

SR

1 项目构建

该项目需要使用Cython生成Python扩展模块

pip install -r requirements.txt
python setup.py build_ext --inplace

2 实验复现

SR输入的是一条kpi曲线，输出经过显著性变换的显著性图和异常分数，将显著性图的每个点的异常分数求和作为该条kpi曲线的异常分数；再结合标注计算best F1-score，pr和roc以及AUC

2.1 数据预处理

需要将每台机器的第8天的kpi单独拆出来

# 在data_yidong目录下
python data_load.py

2.2 异常片段预测

运行SR，对所有机器的kpi曲线进行显著性变换，输出kpi曲线每个点的异常分数，并将每个点的异常分数求和作为整条kpi曲线的异常分数保存到score_statistics.csv；参数（窗口大小等）设置见msanomalydetector/util.py

# 在项目根目录下
python main.py > score_statistics.csv

2.3 实验结果评估

运行evaluate.ipynb里的所有代码块即可得到best F1-score，PR和ROC以及AUC等实验结果；roc_evaluate.csv和pr_evaluate.csv分别为绘制ROC和PR曲线所需要的结果

移动数据结果

item	result
best precision	0.1071
best recall	0.5100
best f1	0.1771
AUC	0.7272