विसंगति का पता लगाने की व्याख्या R मान

anomolize प्रलेखन इसका एक अच्छा उदाहरण देता है कि कैसे anomolize() को एक समय श्रृंखला में लागू करें

यह CRAN tidyverse डाउनलोड के लिए Remainder_L1 और Remainder_L2 मान उत्पन्न करता है (यह डेटा एनोमोलाइज़ पैकेज के साथ आता है, इसलिए डेटा आयात करने की कोई आवश्यकता नहीं है, बस नीचे दिए गए कोड को देखें कि यह कॉलम कैसे उत्पन्न करता है)

# install.packages("anomalize")

library(tidyverse)
library(tibbletime)
library(anomalize)


tidyverse_cran_downloads %>%
    time_decompose(count, merge = TRUE) %>%
    anomalize(remainder) 

 #   package date       count observed season trend remainder remainder_l1 remainder_l2 anomaly
 #   <chr>   <date>     <dbl>    <dbl>  <dbl> <dbl>     <dbl>        <dbl>        <dbl> <chr>  
 # 1 broom   2017-01-01  1053    1053. -1007. 1708.    352.         -1725.        1704. No     
 # 2 broom   2017-01-02  1481    1481    340. 1731.   -589.         -1725.        1704. No     
 # 3 broom   2017-01-03  1851    1851    563. 1753.   -465.         -1725.        1704. No     
 # 4 broom   2017-01-04  1947    1947    526. 1775.   -354.         -1725.        1704. No     
 # 5 broom   2017-01-05  1927    1927    430. 1798.   -301.         -1725.        1704. No  

इन मूल्यों का क्या अर्थ है? अनोमोलाइज सोर्स कोड से हम देख:

"शेष_एल1" (विसंगतियों के लिए निचली सीमा), "शेष_एल2" (विसंगतियों के लिए ऊपरी सीमा)

ऊपर के उदाहरण में, यह पहली पंक्ति में कह रहा है, anomolize() मान (1053) को एक विसंगति के रूप में मानेगा यदि यह -1725 से कम या 1725 से अधिक था।