PROJECT / ANOMALY-MONITOR
Detectar lo inesperado.
¿Cuándo merece atención un cambio de temperatura? Explora una señal, revisa sus alertas y provoca cambios para comparar dos formas de detectar anomalías.
Proyecto reproducibleQué puedes explorar
Puedes recorrer una serie histórica de temperatura y ver las lecturas que cada detector señala como inusuales. Uno utiliza Isolation Forest; el otro compara cuánto se aleja la temperatura de una referencia estadística. En la segunda parte puedes introducir un pico o un cambio sostenido, ajustar su intensidad y elegir dónde aparece. Así ves cómo cambian las alertas sin alterar los datos originales. La aplicación usa una serie pública de Numenta Anomaly Benchmark y permite descargar lo que estás explorando.
Qué nos cuenta el proyecto
Detectar cambios no basta: también importa cuántas alertas innecesarias aparecen y qué anomalías pasan desapercibidas. En esta prueba, ambos métodos detectaron las dos ventanas de anomalía del periodo evaluado. Isolation Forest produjo menos falsas alertas, pero la referencia estadística obtuvo una puntuación F1 ligeramente mejor. No hay un ganador en todos los aspectos. La comparación corresponde a una sola serie y a una evaluación por lectura; no es la puntuación oficial de NAB ni una garantía para otros sensores.
EVALUACIÓN EJECUTADA / 30.09.2026
| Método | F1 | Falsos positivos | Alertas |
|---|---|---|---|
| Isolation Forest | 0.307 | 234 | 390 |
| Baseline estadístico | 0.318 | 295 | 469 |
El baseline obtiene mejor F1; Isolation Forest reduce los falsos positivos. Un modelo más complejo no mejora automáticamente todas las métricas.