动态时间规整 (DTW)¶

class darts.dataprocessing.dtw.dtw.DTWAlignment(series1, series2, cost)[源代码]¶

基类：object

动态时间规整 (DTW) 对齐。

n¶

series1 的长度

类型: 整数

m¶

series2 的长度

类型: 整数

series1¶

一个与 series2 对齐的 TimeSeries。

类型: darts.timeseries.TimeSeries

series2¶

一个与 series1 对齐的 TimeSeries。

类型: darts.timeseries.TimeSeries

cost¶

DTW 的 CostMatrix。

类型: darts.dataprocessing.dtw.cost_matrix.CostMatrix

方法

`distance`()	在扭曲后，给出两个序列中成对元素之间的总距离。
`mean_distance`()	给出在扭曲后两个序列中成对元素之间的平均距离。
`path`()	给出从 series1 到 series2 的索引路径。
`plot`([new_plot, show_series, show_cost, ...])	绘制扭曲路径。
`plot_alignment`([new_plot, series1_y_offset, ...])	绘制每个序列的单变量分量，并用线条表示DTW算法选择的对齐方式。
`warped`()	根据 DTWAlignment.path() 返回的扭曲路径对两个时间序列进行扭曲，该路径最小化了成对距离。

cost: CostMatrix¶

distance()[源代码]¶

在扭曲后，给出两个序列中成对元素之间的总距离。

返回: 在扭曲后，两个序列中成对元素之间的总距离。
返回类型: float

m: int¶

mean_distance()[源代码]¶

给出在扭曲后两个序列中成对元素之间的平均距离。

返回: 在扭曲后，两个序列中成对元素之间的平均距离。
返回类型: float

n: int¶

path()[源代码]¶

给出从 series1 到 series2 的索引路径。

返回: 一个索引数组 [[i0,j0], [i1,j1], [i2,j2], …]，其中 i 索引 series1，j 索引 series2。索引按单调顺序排列，path[n] >= path[n-1]
返回类型: 形状为 (len(path), 2) 的 np.ndarray

plot(new_plot=False, show_series=False, show_cost=True, cost_cmap='summer', args_path={}, args_cost={}, args_series1={}, args_series2={})¶

绘制扭曲路径。

参数

new_plot (bool) – 布尔值，指示是否生成新图形。
show_series (bool) – 布尔值，指示是否额外绘制两条时间序列。Series1 将绘制在成本矩阵下方，series2 绘制在成本矩阵左侧。
show_cost (bool) – 布尔值，指示是否额外绘制成本矩阵。成本矩阵将以热图形式显示。有助于可视化窗口函数的效果。
cost_cmap (str) – 成本矩阵图的色图样式
args_path (dict) – 传递给 plot() 函数的某些关键字参数用于扭曲路径
args_cost (dict) – 传递给 imshow 函数的某些关键字参数用于成本矩阵
args_series1 (dict) – 传递给 plot() 方法的一些关键字参数，用于 series1
args_series2 (dict) – 传递给 plot() 方法的一些关键字参数用于 series2

plot_alignment(new_plot=False, series1_y_offset=0, series2_y_offset=0, components=(0, 0), args_line={}, args_series1={}, args_series2={})¶

绘制每个序列的单变量分量，并用线条表示DTW算法选择的对齐方式。

参数

new_plot (bool) – 是否生成一个新的图形
series2_y_offset (float) – 为了便于查看，将系列1垂直偏移。
series1_y_offset (float) – 为了便于查看，将系列2垂直偏移。
components (Tuple[Union[str, int], Union[str, int]]) – 系列1的组件索引和系列2的组件索引的元组。
args_line (dict) – 传递给 plot() 方法的一些关键字参数
args_series1 (dict) – 传递给 plot() 方法的一些关键字参数，用于 series1
args_series2 (dict) – 传递给 plot() 方法的一些关键字参数用于 series2

series1: TimeSeries¶

series2: TimeSeries¶

warped()[源代码]¶

根据 DTWAlignment.path() 返回的扭曲路径对两个时间序列进行扭曲，该路径最小化了成对距离。这将使两个不同步的时间序列重新同步。

返回: 两个新的 TimeSeries 实例，长度相同，由 pd.RangeIndex 索引。
返回类型: (TimeSeries, TimeSeries)

darts.dataprocessing.dtw.dtw.dtw(series1, series2, window=None, distance=None, multi_grid_radius=- 1)[源代码]¶

根据动态时间规整算法，确定两个时间序列 series1 和 series2 之间的最佳对齐方式。该对齐方式在扭曲后最小化成对元素之间的距离。两个序列中的所有元素都被匹配，并且严格单调递增。仅考虑序列中的值，忽略时间轴。

动态时间规整（Dynamic Time Warping）可以用来确定两个时间序列之间的相似度，无论它们的相位、长度或速度差异如何。

参数

series1 (TimeSeries) – 一个与 series2 对齐的 TimeSeries。
series2 (TimeSeries) – 一个与 series1 对齐的 TimeSeries。
window (Optional[Window, None]) – 可选地，一个用于约束搜索最佳对齐的窗口：参见 SakoeChiba 和 Itakura。默认考虑所有可能的对齐（NoWindow）。
distance (Optional[Callable[[Union[ndarray, floating], Union[ndarray, floating]], float], None]) – 函数接受两个 floats 作为单变量序列的输入，或两个 np.ndarray，并返回它们之间的距离。默认情况下，单变量数据为绝对差值，多变量序列则为绝对差值的总和。
multi_grid_radius (int) – 默认半径为 -1 会导致动态时间规整算法的精确评估。在没有约束的情况下，DTW 的运行时间为 O(nxm)，其中 n,m 是序列的大小。在没有约束的情况下进行精确评估，将在大型数据集上产生性能警告。将 multi_grid_radius 设置为 -1 以外的值，将启用近似多网格求解器，该求解器以线性时间执行，而精确评估则为二次时间。增加半径会以性能换取解决方案的准确性。

返回

用于获取扭曲路径、平均距离、距离和扭曲时间序列的辅助对象

返回类型

DTWAlignment

DTW 窗口