原文链接：

Python数据分析案例55——基于LSTM结构自编码器的多变量时间序列异常值监测-CSDN博客

多变量时间序列异常值监测的小案例。除了数据集，代码，结果，还附赠一个报告。

以前的自编码器基本上都是使用mlp架构，这里使用了lstm架构完成了一个数据的转换的一个思维。其实也可以进行更高维的转换，比如用二维CNN，或者用同样三维数据结构的一维卷积或者是transformer注意力机制等网络结构。或者是图神经网络等等的方法去，进行不同的这个自编码器架构的构建。

当然由于是无监督的，所以也不好评价哪种方法效果是比较好，只是说这些结构都是可以尝试的。在完成了数据的这种转换之后，神经网络的内部架构都是可以随便更改的，就像搭积木一样是很简单的。也非常容易创新。

(本人专注Python数据分析，更多种类数据和代码详见主页)