🔍 Kit de Herramientas para Detección de Anomalías en Series Temporales con Python
¿Trabajás con series temporales y necesitás detectar comportamientos raros? 📈
Este artículo construye un toolbox modular en Python para identificar 4 tipos de anomalías en un banco de señales:
📉 1. Anomalía de tendencia Regresión lineal + polinomial. Si p < 0.05, hay tendencia significativa.
📊 2. Anomalía de volatilidad Se elimina la tendencia y se compara la varianza de cada serie contra el dataset. Las que se alejan demasiado son anómalas.
📍 3. Anomalía de punto único Ventana deslizante + Z-score. Si un punto supera 3 desvíos estándar del vecindario local, es anómalo.
📦 4. Anomalía a nivel de dataset Cada serie se comprime a un valor baseline (mediana) y se compara con el banco completo. Detecta señales con magnitud inusual.
💡 Explicación en pocas palabras
Antes de usar LSTMs o Transformers, este toolkit de estadística clásica te da resultados explicables, escalables y rápidos de implementar. Perfecto como baseline antes de pasar a modelos más complejos.
Más información en el link 👇
