meter-anomaly-detection-skill は何をしますか？
このプロジェクトは、Claude Code Skill（Form Cアーキテクチャ）を使用して、スマートメーターの30分単位の電力消費データに対して異常検出を実行するPythonパイプラインを駆動する方法を示しています。
概要
このスキルは、以下の機能を提供します：
- データ読み込み: CSV形式のスマートメーターデータを読み込みます。
- 前処理: 欠損値の補完、時系列のリサンプリング、異常値の除去を行います。
- 特徴量エンジニアリング: 移動平均、曜日効果、時間帯効果などの特徴量を生成します。
- 異常検出: Isolation Forest、LOF（Local Outlier Factor）、または統計的手法（Zスコア）を使用して異常を検出します。
- 可視化: 検出された異常をグラフで可視化し、レポートを生成します。
必要条件
- Python 3.8以上
- 必要なライブラリ:
pandas,numpy,scikit-learn,matplotlib,seaborn
インストール
pip install pandas numpy scikit-learn matplotlib seaborn
使用方法
- データファイル（例：
meter_data.csv）をプロジェクトディレクトリに配置します。 - Claude Codeで以下のコマンドを実行します：
claude-code skill run phreee/meter-anomaly-detection-skill --input ./meter_data.csv
- 出力は
output/ディレクトリに生成されます。
スキルの設定
スキルは環境変数または設定ファイルで以下のパラメータをカスタマイズできます：
METHOD: 異常検出手法（isolation_forest,lof,zscore）CONTAMINATION: 期待される異常の割合（デフォルト: 0.1）WINDOW_SIZE: 移動平均のウィンドウサイズ（デフォルト: 48）
出力
output/anomalies.csv: 検出された異常の一覧output/plot.png: 異常を可視化したグラフoutput/report.md: 分析レポート
ライセンス
MIT