Pythonによる時系列異常検出

いくつかの時系列データセットに異常検出を実装する必要があります。私はこれまでにこれをやったことがなく、いくつかのアドバイスを期待していました。私はpythonに非常に慣れているので、ソリューションを実装することを好みます（私のコードのほとんどは、私の作業の他の部分ではpythonです）。

データの説明：過去2年間（つまり24-36期間のみ）に収集され始めたばかりの月次時系列データです。基本的に、複数のクライアントについて月ごとに監視されるいくつかのメトリックがあります。

time_period    client    metric    score
01-2013        client1   metric1   100
02-2013        client1   metric1   119
01-2013        client2   metric1   50
02-2013        client2   metric2   500
...

これが私が考えていることです：データをデータフレーム（パンダ）に取り込み、各クライアント/メトリックのペアのローリング6か月の平均を計算します。現在の期間の値が6か月平均に基づくしきい値を超える場合は、フラグを立てます。問題はかなり単純なようです。しっかりとしたアプローチを取っていることを確認したいだけです。

このアイデアを少し具体化するためのアドバイスをいただければ幸いです。質問が少し抽象的であることを知っています。それをお詫びします。

ここでは、管理図などを使用した、統計的工程管理と同様のアプローチが役立つと思います。

異常検出には、Pandasの標準偏差関数を使用した標準偏差から、ベイジアン法や、クラスタリング、SVM、ガウスプロセス、ニューラルネットワークなどの多くの機械学習法まで、さまざまなオプションがあります。

このチュートリアルをご覧ください：https : //www.datascience.com/blog/python-anomaly-detection

ベイジアンの観点から、私はFacebook Prophetをお勧めします。時系列の専門家でなくても、非常に高度な結果が得られます。これには、月、日などを操作するためのオプションがあり、「不確実性の間隔」が異常を助けます。

最後に、異常検出にニューラルネット（LSTM）を使用することについて、このUberブログをお勧めします。非常に多くの商品に関する洞察があります。https：//eng.uber.com/neural-networks/

データセットが正常に分布していると想定しても構わない場合は、この分布の分位数を推定して、95％、80％などの分位数の範囲外かどうかを確認できます。私はPythonライブラリに慣れていませんが、そのための関数がすでに構築されていると確信しています。