Quels formats de fichiers sont pris en charge ?

L'outil accepte les données brutes collées sous forme de texte, ainsi que les fichiers téléchargés aux formats CSV, JSON et Excel (XLS, XLSX).

Quelle est la différence entre les méthodes Z-Score et IQR ?

Le Z-Score mesure l'écart d'une valeur par rapport à la moyenne en utilisant l'écart-type, ce qui est idéal pour les données normalement distribuées. L'IQR (écart interquartile) se base sur les quartiles et est plus robuste face aux valeurs extrêmes.

Comment ajuster la sensibilité de la détection ?

Vous pouvez modifier le seuil du Z-Score (défini par défaut à 3). Un seuil plus bas (ex: 2) détectera davantage d'anomalies, tandis qu'un seuil plus élevé (ex: 4) ne signalera que les écarts les plus extrêmes.

À quoi sert la fenêtre saisonnière ?

La fenêtre saisonnière permet de prendre en compte les cycles réguliers dans vos données (par exemple, une tendance horaire ou journalière) afin d'éviter de signaler des variations normales comme des anomalies.

Quel type de résultat l'outil génère-t-il ?

L'outil génère un rapport au format HTML contenant un graphique visuel de votre série temporelle, avec des marqueurs clairs pour chaque anomalie détectée et un résumé des tendances.

Elysia Tools

Navigation mobile

Data Analysis

Detecteur d anomalies de series temporelles

Importe des donnees de series temporelles en CSV ou JSON, detecte les anomalies avec Z-Score et IQR et renvoie un rapport graphique

Exécution

Exécuter cet outil

Remplissez le formulaire, lancez l’outil et consultez le résultat au même endroit.

Exécutions d’exemple préparées

Cliquez sur un exemple pour remplir automatiquement le formulaire. Les fichiers doivent toujours être téléversés.

2 exemples

Signaler un pic suspect dans le revenu journalier

Charge une serie simple et met en evidence une anomalie avec graphique et resume

<div>Time series report with one highlighted anomaly and a rendered chart.</div>

Examiner la derive de latence avec contexte saisonnier

Analyse des donnees de monitoring avec Z-Score et fenetre saisonniere

<div>Time series report with anomaly markers, trend slope, and contiguous anomaly segments.</div>

Entrées

Renseignez les champs nécessaires, puis lancez l’outil.

7 réglages

FichiersImportez les fichiers source du flux.1

Fichier de donneesfileOptionnel

ContenuCollez ou saisissez les valeurs principales.3

Entree CSV ou JSONtextareaOptionnelColonne temporelletextOptionnelColonne de valeurtextOptionnel

RéglagesAjustez formats, plages, nombres et modes.3

Methode de detectionselectOptionnelSeuil Z-ScorenumberOptionnelFenetre saisonnierenumberOptionnel

Résultat

Prêt à exécuter

Après exécution, les fichiers, textes, données structurées ou sorties en flux apparaîtront ici.

Exemples

Exemples adaptés à cet outil

Associé

Detecteur d anomalies de series temporelles

Exécuter cet outil

Exécutions d’exemple préparées

Entrées

Résultat

Exemples adaptés à cet outil

Continuer avec des outils et dossiers associés

Exécutions d’exemple préparées

Entrées

Résultat

Découvrez quand utiliser cet outil, ce qu'il prend en charge et comment les utilisateurs l'appliquent.

Points clés

Aperçu

Quand l’utiliser

Fonctionnement

Cas d’usage

Exemples

1. Signaler un pic suspect dans le revenu journalier

2. Examiner la dérive de latence avec contexte saisonnier

FAQ

Echantillons XLSX

Exemples CSV

Exemples Python

Exemples de Communication Temps Réel WebRTC

Analyseur de prevision et de saisonnalite

Generateur JSON-LD depuis CSV

Separateur XLSX Multi-Feuilles

Generateur de codes en lot

Outils de qualite des donnees, deduplication et detection d anomalies

Outils d interchange JSON et de traduction de formats

Outils de conversion de casse, d’encodage et de normalisation de texte

Outils d inspection, de diff et de transformation JSON