峰值检测是许多应用中具有挑战性的一步。阅读并学习如何准确地检测1D向量和2D数组（图像）中的峰值和谷值。
相对于其上下文，我们人脑在峰值检测方面表现出色。通过肉眼看起来很容易的任务对机器来说可能是一项具有挑战性的任务。一般而言，峰值和谷值表示（显著的）事件，例如价格/交易量的突然增加或减少，或需求的急剧上升。其中一个挑战是峰值/谷值的定义，这可能因应用和领域而异。其他挑战可能更加技术性，例如噪声信号可能导致许多误报或单一阈值可能无法准确检测局部事件。在本博客中，我将描述如何在一维向量或二维数组（图像）中准确检测峰值和谷值，而不对峰值形状做出假设。此外，我将演示如何处理信号中的噪声。分析使用findpeaks库进行，提供了实验的实践示例。
峰值和谷值的简要介绍。
检测信号中的（突然）变化是许多应用中的重要任务，需要进行报告或监测。大致有两种类型的“突然变化”，即所谓的异常值和感兴趣的峰值，它们在概念上是不同的。异常值是与数据集中正常情况显著偏离的数据点，而感兴趣的峰值是信号中具有分析或领域相关性或重要性的特定数据点或区域。如果您需要深入了解异常值检测的实践示例，请尝试这些博客[1, 2]。
使用主成分分析和Hotelling’s T2和SPE/DmodX方法进行异常值检测
由于PCA的敏感性，它可以用于检测多变量数据集中的异常值
towardsdatascience.com