NLL Laplace 评分器

拉普拉斯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拉普拉斯分布下实际序列值的负对数似然。

class darts.ad.scorers.nll_laplace_scorer.LaplaceNLLScorer(window=1)[源代码]

基类：NLLScorer

NLL Laplace 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，表示多变量 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。

如果给定一对序列，它们必须包含相同数量的序列。评分器将对每一对序列独立评分，并返回每一对的异常分数。

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。

图表将由以下部分组成：

  • 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，显示异常评分（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序列。

  • 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，指定要使用的度量函数名称。必须是 “AUC_ROC”（接收者操作特征曲线下面积）或 “AUC_PR”（从分数计算的平均精度）之一。默认值：”AUC_ROC”。

上一页

NLL 高斯评分器

下一页

NLL 泊松评分器