异常模型¶
异常模型使得可以使用 Darts 的任何预测或过滤模型来检测时间序列中的异常。
基本思想是将拟合模型产生的预测（预测值或滤波序列）与实际观测值进行比较，并发出一个异常分数，描述观测值与预测值的“差异”程度。
异常模型以一个模型和一个或多个评分器对象作为参数。关键方法是 score()，它以一个（或多个）时间序列作为输入，并为每个提供的时间序列生成一个或多个异常评分时间序列。
ForecastingAnomalyModel 与 Darts 预测模型一起工作，而 FilteringAnomalyModel 与 Darts 过滤模型一起工作。异常模型也可以通过调用 fit() 来拟合，这将训练评分器（如果有可训练的评分器），并可能训练模型本身。
函数 eval_metric() 与 score() 相同，但它输出的是一个无阈值度量（“AUC-ROC”或“AUC-PR”）的分数，介于预测的异常分数时间序列和一些已知的二进制基准时间序列之间，后者指示实际异常的存在。最后，函数 show_anomalies() 也可以用来可视化异常模型的预测（样本内预测和异常分数）。