时间序列注释#

The sktime.annotation 模块包含用于时间序列注释任务的算法和工具，如异常/离群点检测和时间序列分割。

时间序列分割#

ClaSPSegmentation([period_length, n_cps, ...])

ClaSP（分类分数概况）分割。

EAgglo([member, alpha, penalty])

多变点分层聚合估计。

GaussianHMM([n_components, covariance_type, ...])

带有高斯发射的隐马尔可夫模型。

GMMHMM([n_components, n_mix, min_covar, ...])

带有高斯混合发射的隐马尔可夫模型。

贪婪高斯分割估计器。

HMM(emission_funcs, transition_prob_mat[, ...])

实现了一个使用Viterbi算法拟合的简单HMM。

基于信息增益的时间分割 (IGTS) 估计器。

PoissonHMM([n_components, startprob_prior, ...])

带有泊松发射的隐马尔可夫模型。

STRAY([alpha, k, knn_algorithm, p, ...])

STRAY：在具有概念漂移的数据流中进行稳健的异常检测。

基于聚类的时间序列分割。

SubLOF(n_neighbors, window_size, *[, ...])

时间序列版本的局部异常因子。

PyODAnnotator(estimator[, labels])

应用来自 pyOD 的异常检测器的转换器。

合成数据生成函数。