Change point detection

Обнаружение точек изменения — это поиск момента, когда данные перестают вести себя как раньше. Пример: температура тела держится 36,6 неделю, а затем три дня подряд 37,2 — это не случайный скачок, а переход в новый режим здоровья. Алгоритмы change point detection автоматически ловят такие переходы в потоке данных, не дожидаясь, пока человек посмотрит на график.

В мире тотальной автоматизации это критично. Если система следит за станком, устойчивое изменение вибрации — начало поломки; поймать её заранее значит сэкономить миллионы. В финансах резкая смена поведения рынка сигнализирует о кризисе, в медицине — о начале эпидемии. Без автоматического поиска границ пришлось бы вручную просматривать гигабайты чисел.

Интуитивно алгоритм скользит по временному ряду и задаёт два вопроса: насколько хорошо данные описываются одной моделью и насколько лучше — двумя отдельными отрезками. Если разбиение в точке резко улучшает качество, это изменение. Процесс повторяется рекурсивно, обнаруживая несколько уровней перемен. Чем больше данных, тем точнее срабатывание, а порог чувствительности настраивается так, чтобы игнорировать обычный шум.

Показателен пример спутниковой телеметрии. Инженеры следят за напряжением солнечных панелей. После микростолкновения с частицей мусора напряжение падает на 0,5% — почти незаметно для глаза, но система мгновенно фиксирует точку изменения и перестраивает энергобаланс, предотвращая отключение. Именно мгновенная реакция на скрытые переходы делает change point detection незаменимым: он превращает сырой поток цифр в историю о смене режимов. Переход — не ошибка, а сигнал, и умение его услышать отличает умную аналитику от простого сбора статистики.