[发明专利]异常数据的检测方法及装置、计算机可读存储介质

说明书

一种异常数据的检测方法及装置、计算机可读存储介质，所述异常数据的检测方法，包括：获取目标监控参数在当前时间段的待入库数据以及与所述当前时间段相邻的前一时间段的参考数据；根据所述待入库数据以及所述参考数据，计算所述目标监控参数在当前时间段对应的群体稳定性指标；获取所述目标监控参数在之前的N个历史时间段分别对应的群体稳定性指标，计算所述目标监控参数对应的异常数据范围；当所述目标监控参数在当前时间段对应的群体稳定性指标处于所述异常数据范围内时，输出数据异常提醒。采用上述方案，能够提高异常数据检测的准确度。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种异常数据的检测方法及装置、计算机可读存储介质。

背景技术

在大数据时代，通过对数据进行分析，可以从数据中挖掘信息，从而实现数据的使用。

在数据使用过程中，具有偏差的异常数据可能会导致决策者做出错误的决策。对于一些对数据较为敏感的应用场景，如一些根据数据进行全自动操作以及规则引擎等应用场景中，一旦数据出现异常，则会对用户造成较大的影响。

然而，目前对异常数据检测的准确度较低。

发明内容

本发明实施例解决的技术问题为异常数据检测的准确度较低。

为解决上述技术问题，本发明实施例提供一种异常数据的检测方法，包括：获取目标监控参数在当前时间段的待入库数据以及与所述当前时间段相邻的前一时间段的参考数据；根据所述待入库数据以及所述参考数据，计算所述目标监控参数在当前时间段对应的群体稳定性指标；获取所述目标监控参数在之前的N个历史时间段分别对应的群体稳定性指标，计算所述目标监控参数对应的异常数据范围；当所述目标监控参数在当前时间段对应的群体稳定性指标处于所述异常数据范围内时，输出数据异常提醒。

可选的，所述目标监控参数包括以下至少一种类型：连续型以及类别型。

可选的，所述根据所述待入库数据以及所述参考数据，计算所述目标监控参数在当前时间段对应的群体稳定性指标，包括：当所述目标监控参数的类型为连续型时，将所述待入库数据按照大小进行排序，得到排序后的待入库数据；将所述排序后的待入库数据按照预设的划分方式划分成M份额，统计所述排序后的待入库数据在每个份额中的占比；将所述参考数据按照大小进行排序，得到排序后的参考数据；将所述排序后的参考数据按照预设的划分方式划分成M份额，统计所述排序后的参考数据在每个份额中的占比；根据所述排序后的待入库数据在每个份额中的占比以及所述排序后的参考数据在每个份额中的占比，计算所述目标监控参数在当前时间段对应的群体稳定性指标。

可选的，所述根据所述排序后的待入库数据在每个份额中的占比以及所述排序后的参考数据在每个份额中的占比，计算所述目标监控参数在当前时间段对应的群体稳定性指标，包括：采用如下公式计算所述目标监控参数在当前时间段对应的群体稳定性指标：其中，PSI为所述目标监控参数在当前时间段对应的群体稳定性指标；M为份额总数目；p_i为所述排序后的待入库数据在第i份额中的占比；q_i为所述排序后的参考数据在第i份额中的占比；为取的自然对数。

可选的，所述根据所述待入库数据以及所述参考数据，计算所述目标监控参数在当前时间段对应的群体稳定性指标，包括：当所述目标监控参数的类型为类别型时，获取所述目标监控参数在所述待入库数据中的所有类别；将所述目标监控参数在所述待入库数据中的所有类别按照预设合并条件，合并至C个类别，得到合并后的待入库数据；统计所述合并后的待入库数据在每个类别中的占比；获取所述目标监控参数在所述参考数据中的所有类别；将所述目标监控参数在所述参考数据中的所有类别按照预设合并条件，合并至C个类别，得到合并后的参考数据；统计所述合并后的参考数据在每个类别中的占比；根据所述合并后的待入库数据在每个类别中的占比以及所述合并后的参考数据在每个类别中的占比，计算所述目标监控参数在当前时间段对应的群体稳定性指标。