정수 나노초의 NumPy gradient: float 변환 전에 원점과 간격 보존하기
큰 절대 시각의 float 변환 전에 정수 차이를 보존해야 작은 간격과 변화율을 잃지 않는다. 원시 간격에서 도출한 기울기로 결과를 승인한다.
큰 절대값과 작은 간격
큰 절대 시각의 float 변환 전에 정수 차이를 보존해야 작은 간격과 변화율을 잃지 않는다. 원시 간격에서 도출한 기울기로 결과를 승인한다. Truthound에 넘길 기울기 기준은 같은 반올림된 절대 timestamp에서 계산하면 안 된다. 작은 간격을 잃은 뒤 유한한 수가 나와도 변화 탐지의 정확성은 남지 않을 수 있다. [1, 2, 3]
댓글의 우회와 남은 범위
NumPy #33173은 정수 나노초 timestamp를 float64로 먼저 바꾸면 간격이 달라져 선형 자료의 gradient도 1에서 벗어난다는 시험 보고다. 운영 영향은 확인하지 않았다. 후속 댓글은 원점을 정수일 때 빼는 우회와 여러 overflow 경계를 다뤘다. 제안 정밀 차분을 모든 범위에 검증된 정식 수정으로 안내하지 않는다. [1]
원점을 먼저 보존하기
시계열 담당자는 정수 원시 시각과 기준 원점을 보존하고 손실 없는 상대 시간에서 기울기 기준을 만든다. 기준 밖 gradient는 변화 탐지에 사용하지 않고 원점 차감 경로를 시험한다. 정수 차감 자체의 범위와 시간 단위를 확인하고 원래 epoch는 별도 보관한다. stencil과 실제 업무 오차 기준은 합성 선형 예와 나눠 정한다. [1, 3]
선형 자료의 기울기 1
설명용 경과 시각은 [0,1000,3000,6000]ns이고 값도 같은 숫자다. 모든 구간의 값 차이/시간 차이는 1이므로 기대 gradient는 1이다. 절대 epoch를 더해도 이 정의는 변하지 않는다. 관측 1은 이 선형 조건을 충족한다. 0.9765625는 기대와 달라 실패다. 같은 원점을 더한 변환 전후를 대조해 절대값과 간격을 나눠 확인한다. [1, 3]
기준 기울기를 준비한 검사
Truthound Core Python SDK 3.3.2의 ColumnPairValidator는 independently_derived_gradient와 observed_gradient를 relationship="=="로 비교한다. 이 fixture는 정확 선형 기준이며 실제 float 오차 예산은 별도 적용한다. 기준 계산과 차감은 운영자가 수행하고 SDK는 np.gradient를 실행하거나 시각 간격을 복구하지 않는다. [1, 2, 3]
실제 변화 탐지와 연결하기
정수에서 원점을 뺀 경과 시간이나 검증한 정밀 차분을 선택하고 전체 시간 범위의 안전성을 확인한다. 원점 차감 후에도 데이터 단위나 샘플 대응이 바뀌면 같은 변화율이 아니다. 검증된 경로를 선택한 뒤 실제 anomaly 소비자의 false alarm·누락 영향은 별도로 평가한다. [1, 3]
적용 조건
정수 원점 차감 자체의 범위 안전성과 시간 단위를 확인하고 원래 절대 시각을 별도 보관한다.
대안
정수에서 원점을 뺀 경과 시간 또는 검증된 정밀 차분 경로를 사용하고 전체 시간 범위의 안전성을 확인한다.
한계
Core는 준비한 기울기 쌍을 비교하며 np.gradient나 정수 시각 차감을 수행하지 않는다. 실제 float 업무의 오차 기준과 경계 stencil은 별도 검토한다.
근거
- 사건 확인일
- 대상 확인일
- 수정일
