NLL Gamma 评分器

Gamma 分布负对数似然评分器。

异常分数是根据从随机预测中估计的Gamma分布下实际序列值的负对数似然。

class darts.ad.scorers.nll_gamma_scorer.GammaNLLScorer(window=1)[源代码]

基类：NLLScorer

NLL Gamma 评分器

参数

window (int) – 整数值，表示评分器用于将序列转换为异常分数的窗口 W 的大小。评分器会将给定的序列分割成大小为 W 的子序列，并返回一个值，指示这些 W 值子集的异常程度。后处理步骤将把这个异常分数转换为点对点的异常分数（参见 window_transform 的定义）。窗口大小应与所寻找的异常预期持续时间相称。

属性

is_probabilistic

评分器是否期望将概率预测作为第一个输入。

is_trainable

评分器是否可训练。

is_univariate

Scorer 是否为单变量评分器。

方法

eval_metric_from_prediction(anomalies, ...)

计算 series 和 pred_series 之间的异常分数，并返回一个不可知阈值度量的分数。

score_from_prediction(series, pred_series)

计算两个（序列）序列的异常分数。

show_anomalies_from_prediction(series, ...)

绘制评分器的结果。
eval_metric_from_prediction(anomalies, series, pred_series, metric='AUC_ROC')

计算 series 和 pred_series 之间的异常分数，并返回一个不可知阈值度量的分数。

参数

  • anomalies (Union[TimeSeries, Sequence[TimeSeries]]) – 地面真值二进制异常序列（1 表示异常，0 表示正常）。

  • series (Union[TimeSeries, Sequence[TimeSeries]]) – 实际系列（的序列）。

  • pred_series (Union[TimeSeries, Sequence[TimeSeries]]) – 预测序列（的序列）。

  • metric (Literal[‘AUC_ROC’, ‘AUC_PR’]) – 要使用的度量函数名称。必须是以下之一：“AUC_ROC”（接收者操作特征曲线下面积）和“AUC_PR”（从分数计算的平均精度）。默认值：“AUC_ROC”。

返回类型

Union[float, Sequence[float], Sequence[Sequence[float]]]

返回

  • float – 单个单变量 序列 的单个度量值。

  • Sequence[float] – 一个包含以下指标值的序列：

    • 一个多变量的 序列。

    • 一系列单变量 序列。

  • Sequence[Sequence[float]] – 一个序列的序列，包含多变量 序列 的度量值。外层序列遍历序列，内层序列遍历序列的组件/列。

property is_probabilistic: bool

评分器是否期望将概率预测作为第一个输入。

返回类型

bool

property is_trainable: bool

评分器是否可训练。

返回类型

bool

property is_univariate: bool

Scorer 是否为单变量评分器。

返回类型

bool

score_from_prediction(series, pred_series)

计算两个（序列）序列的异常分数。

如果给定了一对序列，它们必须包含相同数量的序列。评分器将对每对序列独立评分，并返回每对的异常分数。

参数
返回

（序列的）异常分数时间序列

返回类型

Union[TimeSeries, Sequence[TimeSeries]]

show_anomalies_from_prediction(series, pred_series, scorer_name=None, anomalies=None, title=None, metric=None)

绘制评分器的结果。

计算两个序列的异常分数。并绘制结果。

情节将由以下内容组成：

  • 序列和预测序列。

  • 评分器的异常分数。

  • 实际的异常，如果有的话。

可以做到：

  • 使用 title 参数为图片添加标题

  • 使用 scorer_name 为评分器指定个性化名称

  • 如果提供了实际的异常值，显示异常分数（AUC_ROC 或 AUC_PR）的指标结果。

参数

  • series (TimeSeries) – 要从中可视化异常的实际系列。

  • pred_series (TimeSeries) – 预测的 series 系列。

  • anomalies (TimeSeries) – 异常的地面真实值（如果是异常则为1，否则为0）

  • scorer_name (str) – 评分者的名字。

  • title (str) – 图的标题

  • metric (Optional[Literal[‘AUC_ROC’, ‘AUC_PR’], None]) – 可选地，使用的指标函数名称。必须是 “AUC_ROC”（接收者操作特征曲线下的面积）和 “AUC_PR”（从分数计算的平均精度）之一。默认值：”AUC_ROC”。

上一页

NLL 指数评分器

下一页

NLL 高斯评分器