Il rilevamento dei picchi è un passaggio impegnativo in molte applicazioni. Leggi e impara come rilevare con precisione picchi e valli nei vettori 1D e negli array 2D (immagini).
Il nostro cervello umano è eccellente nel rilevamento dei picchi in relazione al suo contesto. Ciò che a prima vista sembra un compito facile può essere un compito impegnativo da automatizzare tramite le macchine. In generale, picchi e valli indicano eventi (significativi) come improvvisi aumenti o diminuzioni del prezzo/volume o forti aumenti della domanda. Una delle sfide è la definizione di un picco/valle che può differire a seconda delle applicazioni e dei domini. Altre sfide possono essere più tecniche, come un segnale rumoroso che può provocare molti falsi positivi o una singola soglia che potrebbe non rilevare con precisione eventi locali. In questo blog descriverò come rilevare con precisione picchi e valli in un vettore unidimensionale o in un array bidimensionale (immagine) senza fare ipotesi sulla forma del picco. Inoltre, dimostrerò come gestire il rumore nel segnale. Le analisi vengono eseguite utilizzando il libreria findpeakse vengono forniti esempi pratici per la sperimentazione.
Il rilevamento di cambiamenti (improvvisi) in un segnale è un compito importante in molte applicazioni che deve essere segnalato o monitorato. Esistono grossomodo due tipi di “cambiamenti improvvisi”, i cosiddetti valori anomali E picchi di interesse che sono concettualmente diversi. I valori anomali sono punti dati che si discostano in modo significativo da ciò che è normale nel set di dati, mentre i picchi di interesse sono punti dati o regioni specifici all’interno di un segnale che hanno significato o rilevanza per l’analisi o il dominio in questione. Se hai bisogno di approfondimenti con esempi pratici sul rilevamento di valori anomali, prova questi blog (1, 2).
Fonte: towardsdatascience.com
