lcss_distance

lcss_distance(x: ndarray, y: ndarray, window: float | None = None, itakura_max_slope: float | None = None, bounding_matrix: ndarray | None = None, epsilon: float = 1.0, **kwargs: Any) → float

计算两个时间序列之间的最长公共子序列（LCSS）得分。

LCSS 试图找到两个时间序列之间的最长公共序列，并返回该最长公共序列所占的百分比值。最初出现在 [1] 中，LCSS 通过匹配相似度达到定义阈值（epsilon）的索引来计算。

返回的值将在 0.0 和 1.0 之间，其中 0.0 表示两个时间序列完全相同，1.0 表示它们完全相反。

参数:

x: np.ndarray (1d 或 2d 数组)

第一个时间序列。

y: np.ndarray (1d 或 2d 数组)

第二个时间序列。

window: float, defaults = None

这是Sakoe-Chiba下界窗口的半径（如果使用Sakoe-Chiba下界）。值必须在0.和1.之间。

itakura_max_slope: float, 默认值 = None

Itakura 平行四边形的斜率梯度（如果使用 Itakura 平行四边形下界）。值必须在 0. 和 1. 之间。

bounding_matrix: np.ndarray (2d 大小为 mxn，其中 m 是 len(x)，n 是 len(y))，

defaults = None

自定义使用的边界矩阵。如果定义了，则忽略其他 lower_bounding 参数。矩阵应构造为，被认为在边界内的索引值应为 0，边界矩阵外的索引值应为无穷大。

epsilon浮动，默认值 = 1.

匹配阈值，用于确定两个子序列是否足够接近，以至于被认为是’常见的’。

**kwargs: 任意

额外的关键字参数。

返回:

浮动

x 和 y 之间的 Lcss 距离。返回的值将在 0.0 和 1.0 之间，其中 0.0 表示两个时间序列完全相同，1.0 表示它们完全相反。

引发:

ValueError

如果 sakoe_chiba_window_radius 不是浮点数。如果 itakura_max_slope 不是浮点数。如果提供的 x 或 y 的值不是 numpy 数组。如果 x 或 y 的值有超过 2 个维度。如果提供了度量字符串，但不是定义的有效字符串。如果提供了度量对象（类的实例）并且不继承自 NumbaDistance。如果无法确定度量类型。如果同时设置了 window 和 itakura_max_slope。

参考文献

[1]

M. Vlachos, D. Gunopoulos, and G. Kollios. 2002. “Discovering Similar Multidimensional Trajectories”, In Proceedings of the 18th International Conference on Data Engineering (ICDE ‘02). IEEE Computer Society, USA, 673.