我和几个同事正在查看我们在工作场所最近更换的“猫”。对于那些好奇的人，本文中的“猫”是指一种特定类型的泵，称为猫泵。它被亲切地称为“小猫”，因为我们只有一个这样的泵。

经过一次例行检查后，我注意到小猫在许多时期表现不佳。这在数据集中被标记为 Cat Anomaly。

（如果有人想进一步分析，可以从这里访问：

https://drive.google.com/open?id=1e0OhzhaSZP9_A3QdaK9-BvWXbRPZacED）

这是异常时的样子：

从本质上讲，它看起来类似于正弦曲线并且略微弯曲。我还注意到，当它处于异常状态时，点簇似乎很紧。

使用 Python 的 Sklearn 库和一些很好的老式信号处理，我决定删除一些有噪声的集群，这样我就可以看到信号在“没有”噪声的情况下是什么样子的。为此，我对数据执行了 Savitzy-Golay 过滤器，它按照下面的方法对其进行了平滑处理。

然后，我使用了一个功能从“正常”猫值中减去值——“平滑”猫值，它可以粗略地指示“集群”何时出现。

这已经可以接受（大约 90% 的准确率），当我将这个特征输入到我的随机森林模型中时，我可以在一定程度上发现异常，但我觉得我使用的“集群”方法非常笨拙，并且有更好的方法将 cat 信号的“噪声”捕获为变量。

所以现在我正在寻找一种更好的方法来识别和区分“异常”的猫行为。

那么，作为捕获“嘈杂”集群的更好特征或变量，其他人对如何捕获这一点有任何想法吗？