Breakout Detection de Twitter

Detección de breakouts en series de datos respecto al tiempo

Transcript

1. Twitter
   Breakout Detection
   Para detección de anomalías en series de datos
   

   View Slide

2. $ whoami
   Valery Calderón Briz
   @valerybriz
   guatebot.com/blog
   Ingeniera en Telecomunicaciones
   Systems Development Specialist en Skyguard GPS
   Co-fundadora de @PythonGuatemala
   

   View Slide

3. Soy de Guatemala
   

   View Slide

4. View Slide

5. Breakout Detection
   Este paquete desarrollado en el Lenguaje R por Twitter sirve
   para detectar cambios o anomalías en una serie de datos
   respecto al tiempo.
   Pueden encontrar más información del paquete en:
   http://bit.ly/bkoutinthewild
   

   View Slide

6. ¿Cómo funciona el Breakout Detection?
   Usualmente las anomalías o breakouts están caracterizadas por dos estados
   que se mantienen y un período de transición intermedia.
   Para detectar esto el paquete utiliza una técnica de estadísticas llamada
   E-Divisive with Medians (EDM) que es utilizada ampliamente para detectar
   cambios de nivel o saltos.
   Documentación en:
   http://bit.ly/edmBreakingBad
   

   View Slide

7. ¿Cómo funciona el EDM?
   • Detección de Divergencia
   • Mean Shift
   • Ramp Up
   • Detección de cambios en la distribución
   

   View Slide

8. Mean Shift
   

   View Slide

9. Mean Shift
   

   View Slide

10. Ramp Up
    

    View Slide

11. Cambios en la distribución
    

    View Slide

12. Ventajas
    • Es robusto en presencia de anomalías.
    • EDM no es paramétrico.
    • Es más rapido que otros algorítmos.
    

    View Slide

13. View Slide

14. Robusto en presencia de anomalías
    Las anomalías no son lo mismo que un Breakout
    

    View Slide

15. Robusto en presencia de anomalías
    

    View Slide

16. EDM no es paramétrico
    

    View Slide

17. Data Points E-Divisive EDM
    6,000 29 Min. 24 Seg.
    600 7 Seg. 1 Seg.
    3.5x más rápido que otros algoritmos
    Fuente: https://anomaly.io/anomaly-detection-using-twitter-breakout/
    De detección de Breakouts
    

    View Slide

18. Desventajas
    • Se debe combinar con otros algorítmos si se
    necesita descartar breakouts específicos.
    • Es necesario encontrar la combinación
    correcta de parametros dependiendo de la
    serie de datos.
    

    View Slide

19. View Slide

20. Escalar datos de 0 a 1
    zi =
    xi - min(x)
    max(x) - min(x)
    Valor = ( x - ValorMinX ) / ( ValorMaxX - ValorMinX ) )
    

    View Slide

21. 1 Data: Serie de datos que serán analizados.
    2 Min.size: El valor minimo de observaciones entre puntos de cambio.
    3 Method: "amoc" (al menos un cambio) o "multi" (multiples cambios).
    4 Degree: El grado de regresión polinomial.
    5 Beta: Constante paraun futuro control en la penalización.
    6 Plot: Este indica si se generará un Ploteo luego de la ejecución.
    Las variables del algoritmo
    

    View Slide

22. Instalación de R
    # sudo apt-key adv --keyserver keyserver.ubuntu.com --
    recv-keys
    E298A3A825C0D65DFD57CBB651716619E084DAB9
    # sudo add-apt-repository 'deb [arch=amd64,i386]
    https://cran.rstudio.com/bin/linux/ubuntu xenial/‘
    # sudo apt-get update
    # sudo apt-get install r-base
    # sudo apt-get install libssl-dev
    

    View Slide

23. Instalación del paquete
    # sudo -i R
    > install.packages("devtools")
    > devtools::install_github("twitter/BreakoutDetection")
    > library(BreakoutDetection)
    

    View Slide

24. Código en R
    library(BreakoutDetection)
    Detect {
    res = breakout(tsdata, min.size=min, method=met,
    beta=.001, degree=deg, plot=FALSE)
    return(res)
    }
    

    View Slide

25. Requerimientos en Python
    # sudo pip rpy2
    # sudo pip install pandas
    # sudo pip install numpy
    

    View Slide

26. Importando desde R
    from rpy2.robjects.packages import
    SignatureTranslatedAnonymousPackage
    from rpy2.robjects.packages import importr
    from rpy2.robjects.vectors import IntVector, FloatVector
    import rpy2.robjects as ro
    

    View Slide

27. Obteniendo los datos
    mydata = []
    with open('datos.csv', 'r') as csvfile:
    dat = csv.reader(csvfile)
    for line in dat:
    mydata.append(float(line[0]))
    

    View Slide

28. Importando desde R
    minsize = 30
    method = 'multi'
    degree = 0
    with open('Codigo.R') as code:
    rcode = os.linesep.join(code.readlines())
    wrapper = SignatureTranslatedAnonymousPackage(rcode,
    "Codigo")
    

    View Slide

29. Ejecutando la función
    result = wrapper.Detect( FloatVector(mydata), minsize,
    method, degree)
    print (result)
    >>>>>>
    $loc
    [1] 74 116 147 177 209
    $time
    [1] 0.013
    $pval
    [1] NA
    

    View Slide

30. Obteniendo los datos relevantes
    if len(result) > 0 :
    for val in result[0]:
    print (val)
    >>>>>>
    74
    116
    147
    177
    209
    

    View Slide

31. Resultados A1
    min.size=25, method='multi', beta=.001, degree=1
    

    View Slide

32. Resultados A2
    min.size=50, method='multi', beta=.001, degree=2
    

    View Slide

33. Caso Práctico: Sensor de combustible
    

    View Slide

34. Resultados B1
    min.size=100, method='multi', beta=.001, degree=1
    

    View Slide

35. Resultados B2
    min.size=30, method='multi', beta=.001, degree=2
    

    View Slide

36. Resultados B3
    min.size=30, method='multi', beta=.001, degree=0
    

    View Slide

37. Resultados B4
    min.size=30, method='multi', beta=.001, degree=1
    

    View Slide

38. View Slide

39. Preguntas / comentarios
    @valerybriz
    valerybriz@gmail.com
    

    View Slide