TDengine 中 TDgpt 异常检测的机器学习算法

异常检查可使用的机器学习算法

Autoencoder^[1]: TDgpt 内置了一个使用自编码器（Autoencoder）构建的深度学习网络的异常检测模型。该异常检测模型基于 NAB 的 art_daily_small_noise 数据集 进行训练，该模型的详细信息请参见 添加机器学习模型 - 准备模型 部分。

我们并没有将该模型预置与 model 目录中。需要该模型正常运行需要下载模型文件，请点击此处下载，并在 /var/lib/taos/taosanode/model/ 目录中创建子目录 sample-ad-autoencoder，保存下载两个模型文件，然后需要重启 taosanode 服务。相关操作原理及方式请参考添加机器学习模型 的介绍。

此时 model 文件夹结构如下：

.
└── model
    └── sample-ad-autoencoder
        ├── sample-ad-autoencoder.keras
        └── sample-ad-autoencoder.info

--- 在 options 中增加 model 参数 sample-ad-autoencoder， 采用自编码器的异常检测模型进行异常检测
SELECT _wstart, count(*) 
FROM foo anomaly_window(val, 'algo=sample_ad_model,model=sample-ad-autoencoder');

其中的 algo 设置为 sample_ad_model 为示例异常检测模型，model 指定加载模型文件的信息。需要注意的是，该模型只针对训练的数据集具有较好的检测效果，针对非训练相关数据集，可能无法得出合适的结果。

后续添加机器（深度）学习异常检测算法

• Isolation Forest
• One-Class Support Vector Machines (SVM)

参考文献

1. https://en.wikipedia.org/wiki/Autoencoder