diotro / timesuperin

R library for time series data modeling

Timesuperin

Timesuperin 은 'Time Superintendent (시간 관리자)'의 줄임말로써 시계열 데이터 분석 및 이상 탐지를 위한 라이브러리입니다. 시계열 지표를 이벤트 정보와 트렌드를 고려하여 회귀 모델을 생성하여 향후 지표의 변화를 추정하고, 이렇게 추정된 결과와 크게 차이가 발생하는 이상 현상을 탐지하는 기능을 제공합니다.

설치 방법

timesuperin을 사용하기 위해선 먼저 아래 라이브러리를 설치해야 합니다.

• Rcpp
• rstan
• BH
• stringi

위 라이브러리가 설치된 상태에서 아래 코드를 실행하시면 됩니다.

devtools::install_github("ncsoft/timesuperin")

R 3.5.0 이상 버전 사용 시, devtools가 3.4 버전까지 지원되어 패키지 설치가 제대로 안 될 수 있습니다. 이 경우 아래와 같이 devtools 버전에 3.5를 임의로 추가 후, 패키지 설치를 진행하면 됩니다.

library(devtools)
find_rtools() # R 3.5.0과 호환되는 Rtools버전이 발견되지 않는다고 에러 메시지가 뜨는 경우, 아래 코드 실행
assignInNamespace("version_info", 
                 c(devtools:::version_info,
                  list("3.5" = list(version_min = "3.3.0", version_max = "99.99.99", path = "bin"))), "devtools")
find_rtools() # TRUE가 나오면 다시 위의 패키지 설치 코드 실행

사용 방법

모델링 및 시계열 이상 탐지 방법은 아래와 같습니다. 먼저 timesuperin/resources 에 있는 데이터를 불러옵니다.

setwd('./timesuperin/resources')
train_data <- read.csv('./train_data.csv')
test_data <- read.csv('./test_data.csv')

train_data.csv 와 test_data.csv 는 두 개의 이벤트 변수에 영향을 받는 시계열 데이터입니다. 모델링에 사용할 학습 데이터는 아래 그림과 같습니다.

이제 위 데이터를 이용해 아래와 같이 시계열 모델을 생성합니다.

model <- model.timesuperin(train_data, model.type = 'lm', period = 6)

위 모델을 이용해 테스트 데이터에 있는 이상 데이터를 탐지하기 위해 아래와 같이 detect_anomal.timesuperin 함수를 실행합니다.

anomaly.detect <- detect_anormal.timesuperin(model, test_data, value = test_data$value)

이상 탐지 결과는 다음과 같이 확인할 수 있습니다 (두 개의 데이터가 upr과 lwr 범위를 벗어난 것을 확인할 수 있습니다).

anomaly.detect$Interval_Plot