异常检测工具¶

在整个异常检测模块中使用的常见功能。

darts.ad.utils.eval_metric_from_binary_prediction(anomalies, pred_anomalies, window=1, metric='recall')[源代码]¶

计算预测异常与真实异常之间的分数/度量。

pred_anomalies 和 anomalies 必须有：

相同的维度（时间步数和组件/列数），

属于两类的二进制值（如果是异常则为 1，否则为 0）

如果为 anomalies 提供了一个序列，而 pred_anomalies 包含多个序列，函数会将 anomalies 视为 pred_scores 中所有分数的真实异常。

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）。
pred_anomalies (Union[TimeSeries, Sequence[TimeSeries]]) – 预测的二进制异常序列。
window (Union[int, Sequence[int]]) – 整数值，表示 pred_scores 中每个点代表的过去样本数量。该参数将用于转换 anomalies。如果是一个整数列表，长度必须与 pred_scores 中的序列数量匹配。如果是一个整数，该值将用于 pred_scores 和 anomalies 中的每个序列。
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”。

返回类型

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

返回

float – 单变量 pred_anomalies 序列（仅有一个组件/列）的单个分数。
Sequence[float] – 一个分数序列（列表），用于：
- 多变量 pred_anomalies 序列（多个组件）。为每个组件提供一个分数。
- 一系列（列表）的单变量 pred_anomalies 序列。为每个序列给出一个分数。
Sequence[Sequence[float]] – 一个多变量 pred_anomalies 序列的分数序列。为每个序列（外部序列）和组件（内部序列）提供一个分数。

darts.ad.utils.eval_metric_from_scores(anomalies, pred_scores, window=1, metric='AUC_ROC')[源代码]¶

计算异常分数与真实异常之间的得分/指标。

anomalies 和 pred_scores 必须具有相同的形状。anomalies 必须是二进制的，并且其值属于两个类别（0 和 1）。

如果为 anomalies 提供了一个序列，而 pred_scores 包含多个序列，该函数会将 anomalies 视为 pred_scores 中所有分数的实际异常值。

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）。
pred_scores (Union[TimeSeries, Sequence[TimeSeries]]) – 估计的异常分数序列（序列），指示每个大小为 w 的窗口的异常程度。
window (Union[int, Sequence[int]]) – 整数值，表示 pred_scores 中每个点代表的过去样本数量。该参数将用于转换 anomalies。如果是一个整数列表，长度必须与 pred_scores 中的序列数量匹配。如果是一个整数，该值将用于 pred_scores 和 anomalies 中的每个序列。
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 – 单变量 pred_scores 序列（仅有一个组件/列）的单个分数/指标。
Sequence[float] – 一个分数序列（列表），用于：
- 多变量 pred_scores 序列（多个组成部分）。为每个组成部分提供一个分数。
- 一系列（列表）的单变量 pred_scores 序列。为每个序列提供一个分数。
Sequence[Sequence[float]] – 一个多元 pred_scores 序列的分数序列。为每个序列（外部序列）和组件（内部序列）提供一个分数。

darts.ad.utils.show_anomalies_from_scores(series, anomalies=None, pred_series=None, pred_scores=None, window=1, names_of_scorers=None, title=None, metric=None)[源代码]¶

绘制由异常检测模型生成的结果。

图表将由以下部分组成：

实际的系列本身以及模型的输出（如果有）
每个评分器的异常分数。具有不同窗口的评分器将被分开。
实际的异常，如果有的话。

如果 pred_series 是随机的（即，如果它有多个样本），该函数将绘制：

每个时间戳的平均值
上界分位数 0.95
分位数 0.05 作为下界

可能做到：

使用 title 参数为图片添加标题
使用 names_of_scorers 为评分者提供个性化名称
显示每个异常分数（AUC_ROC 或 AUC_PR）的指标结果，如果给出了实际的异常值

参数

series (TimeSeries) – 要从中可视化异常的实际序列。
anomalies (TimeSeries) – 异常的真实情况（如果是异常则为1，否则为0）。
pred_series (TimeSeries) – 给定 series 作为输入的模型输出（可以是随机的）。
pred_scores (Union[TimeSeries, Sequence[TimeSeries]]) – 给定模型的输出和 series，评分器的输出。
window (Union[int, Sequence[int]]) – 每个异常分数的窗口参数。默认值：1。如果给定了一个异常分数列表，则每个分数将使用相同的默认窗口。
names_of_scorers (Union[str, Sequence[str]]) – 分数的名称。必须是一个与异常模型中评分器数量相等长度的列表。仅在 pred_scores 不为 None 时有效。
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的面积）或 “AUC_PR”（从分数计算的平均精度）之一。仅在 pred_scores 不为 None 时有效。默认值：”AUC_ROC”。

Wasserstein 评分器

数据处理