我想对磁盘可用空间数据进行异常值或异常检测。示例数据集如下（我没有任何标签数据集）：
date free_space (GB)
2019-05-15 09:00:00 102.65
2019-05-15 09:05:00 102.69
2019-05-15 09:10:00 103.11
2019-05-15 09:15:00 102.58
2019-05-15 09:20:00 102.55
我想检测磁盘空间的新值是否是异常值。有几种异常值分析方法（参考链接）：
以上方法是检测异常值的更多统计方法。有几种方法使用无监督机器学习算法来检测异常值（参考链接）。例如，
K-mean哪种方法适合上述数据集？我应该实施基于无监督的机器学习算法还是统计方法？
鉴于检测可用空间量异常变化的特定上下文，我建议您使用随时间的变化而不是原始数量。例如：
date free_space variation
2019-05-15 09:00:00 102.65 NA
2019-05-15 09:05:00 102.69 0.04
2019-05-15 09:10:00 103.11 0.42
2019-05-15 09:15:00 102.58 -0.53
2019-05-15 09:20:00 102.55 -0.03
无论您使用什么方法，变异都是比原始尺寸更能检测异常变化的相关信息。您也可以使用时间窗口，例如计算过去 30 分钟的变化。
就我个人而言，我会简单地使用启发式方法来处理这样的事情：如果变化的绝对值高于阈值，则将其标记为异常值。该阈值可以是磁盘大小的百分比，例如5%。
如果您使用 R，您可以通过计算库克距离来筛选异常值。
考虑以下示例。一家假设的电信公司拥有有关其客户消耗的数据量（以 mb 为单位）的信息，并希望检测使用率远高于一般人群的客户。
# Compute Cooks Distance
dist <- cooks.distance(lm(usage ~ x1 + x2 + x3, data = trainset))
dist<-data.frame(dist)
s <- stdres(lm(usage ~ x1 + x2 + x3, data = trainset))
a <- cbind(trainset, dist, s)
显示每个用户的距离 (dist) 及其使用情况。在这种情况下，0.42 的 Cook 距离明显高于其他用户的距离 - 表明该用户是异常值。
