Юлия, спасибо большое за упоминание нашей статейки) Очень интересен ваш подход к системе алертов, статья исчерпывающая, здоровская! Подскажите, а как вы расставляете приоритеты в вашем случае: как определяете более важные отклонения от нормы и менее существенные?
Спасибо большое за комментарий! Будет здорово, если вы тоже поделитесь опытом, как вы научились определять выбросы, тут простор для фантазии огромный! Насчет того, почему мы решили использовать Telegram: здесь выбор пал из-за простоты его API, а также широком использовании мессенджера, хотя, конечно, реализовать бота в корпоративных сервисах тоже возможно и в перспективе можно заняться переносом бота.
Библиотека Prophet довольно хорошо работает с пропущенными значениями, поэтому сейчас аномалии удаляются из датасета для переобучения и нет большой необходимости заменять пропущенные значения чем-либо.
Когда метрика отмечается как алерт, мы записываем информацию по алерту в отдельный датафрейм с выбросами, и при повторном переобучении модели эти аномалии исключаются.
Спасибо большое за комментарий! Если говорить про учет предыдущих алертов, то мы оценивали несколько раз масштаб проблемы: смотрели, насколько сильно влияет учет выбросов/аномалий на качество прогноза и в каком числе случаев. Оказалось, что влияние не такое существенное, поэтому на данном этапе мы остановились на ручном исключении выбросов. Но сейчас мы находимся в процессе разработки автоматического исключения периодов, которые могут быть отмечены моделью как аномальные.
Юлия, спасибо большое за упоминание нашей статейки) Очень интересен ваш подход к системе алертов, статья исчерпывающая, здоровская! Подскажите, а как вы расставляете приоритеты в вашем случае: как определяете более важные отклонения от нормы и менее существенные?
Спасибо большое за комментарий! Будет здорово, если вы тоже поделитесь опытом, как вы научились определять выбросы, тут простор для фантазии огромный! Насчет того, почему мы решили использовать Telegram: здесь выбор пал из-за простоты его API, а также широком использовании мессенджера, хотя, конечно, реализовать бота в корпоративных сервисах тоже возможно и в перспективе можно заняться переносом бота.
Библиотека Prophet довольно хорошо работает с пропущенными значениями, поэтому сейчас аномалии удаляются из датасета для переобучения и нет большой необходимости заменять пропущенные значения чем-либо.
Когда метрика отмечается как алерт, мы записываем информацию по алерту в отдельный датафрейм с выбросами, и при повторном переобучении модели эти аномалии исключаются.
Спасибо большое за комментарий! Если говорить про учет предыдущих алертов, то мы оценивали несколько раз масштаб проблемы: смотрели, насколько сильно влияет учет выбросов/аномалий на качество прогноза и в каком числе случаев. Оказалось, что влияние не такое существенное, поэтому на данном этапе мы остановились на ручном исключении выбросов. Но сейчас мы находимся в процессе разработки автоматического исключения периодов, которые могут быть отмечены моделью как аномальные.