集成 scikit-learn 聚合器¶

class darts.ad.aggregators.ensemble_sklearn_aggregator.EnsembleSklearnAggregator(model)[源代码]¶

集成 scikit-learn 聚合器

围绕 sklearn 集成模型的聚合器 sklearn 集成模型。

方法

`eval_metric`(anomalies, series[, window, metric])	将输入的多变量序列聚合为一个（序列），并根据真实异常标签评估结果。
`fit`(anomalies, series)	拟合聚合器于多元二值异常序列（序列）。
`predict`(series[, name])	将输入的（序列的）多元二进制序列聚合为（序列的）单变量二进制序列。

eval_metric(anomalies, series, window=1, metric='recall')¶

将输入的多变量序列聚合为一个（序列），并根据真实异常标签评估结果。

参数

anomalies (Union[TimeSeries, Sequence[TimeSeries]]) – 二进制真实异常标签的序列（如果是异常则为1，否则为0）。
series (Union[TimeSeries, Sequence[TimeSeries]]) – 要聚合的预测多元二元序列（序列）。
window (int) – （序列的）整数值，表示序列中每个点代表的过去样本数量。该参数将由 darts.ad.utils 中的函数 _window_adjustment_anomalies() 用于转换异常。
metric (Literal[‘recall’, ‘precision’, ‘f1’, ‘accuracy’]) – 要使用的度量函数名称。必须是以下之一：“recall”、“precision”、“f1”和“accuracy”。默认值：“recall”。

返回

（序列的）系列得分（序列）。

返回类型

Union[float, Sequence[float]]

fit(anomalies, series)¶

拟合聚合器于多元二值异常序列（序列）。

如果给定了一个系列列表，它们必须具有相同数量的组件。

参数

anomalies (Union[TimeSeries, Sequence[TimeSeries]]) – 二进制真实异常标签的序列（如果是异常则为1，否则为0）。
series (Union[TimeSeries, Sequence[TimeSeries]]) – 要聚合的多变量二进制序列（预测标签）。

返回类型

Self

predict(series, name='series')¶

将输入的（序列的）多元二进制序列聚合为（序列的）单变量二进制序列。

参数

返回

（序列的）聚合结果。

返回类型

TimeSeries

AND 聚合器

OR 聚合器