时间序列检测任务#

sktime.detection 模块包含用于时间序列检测任务的算法和工具，包括

  • 异常或离群点检测

  • 变点检测

  • 时间序列分割和段检测

这些任务包括无监督和半监督变体，并且可以进行批处理或流式/在线检测。

组合#

DetectorPipeline(steps)

用于时间序列异常、变点检测、分割的 Pipeline。

DetectorAsTransformer(estimator)

将异常、变点检测器、分割估计器用作转换器。

变点检测#

MovingWindow([change_score, bandwidth, ...])

用于多变点检测的滑动窗口算法，来自 skchange。

PELT([cost, penalty_scale, min_segment_length])

来自 skchange 的精确线性时间剪枝变点检测。

SeededBinarySegmentation([change_score, ...])

来自 skchange 的用于变点检测的种子二分分割算法。

朴素基线#

DummyRegularChangePoints([step_size])

每 x 步检测一个变点的虚拟变点检测器。

ZeroChangePoints()

永远不检测变点的虚拟变点检测器。

时间序列点异常检测#

点异常检测器识别单个异常索引。

基于窗口的异常检测#

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

局部离群点因子的时间序列版本。

转换为表格异常检测#

PyODDetector(estimator[, labels])

应用 pyOD 中离群点检测器的转换器。

朴素基线#

DummyRegularAnomalies([step_size])

每 x 步检测一个变点的虚拟变点检测器。

ZeroAnomalies()

永远不检测异常的虚拟异常检测器。

ThresholdDetector([upper, lower, mode])

检测所有超出阈值点的朴素检测器。

时间序列段异常检测#

段异常检测器识别异常段。

StatThresholdAnomaliser(change_detector[, stat])

基于段统计量阈值进行异常检测，skchange。

CircularBinarySegmentation([anomaly_score, ...])

用于异常段检测的圆形二分分割算法，skchange。

CAPA([collective_saving, point_saving, ...])

CAPA = 协同和点异常检测，来自 skchange。

MVCAPA([collective_saving, point_saving, ...])

MVCAPA = 多元协同和点异常检测，来自 skchange。

朴素基线#

ZeroSegments()

永远不检测段的虚拟段检测器。

ThresholdDetector([upper, lower, mode])

检测所有超出阈值点的朴素检测器。

时间序列分割#

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

ClaSP (Classification Score Profile) 分割。

EAgglo([member, alpha, penalty])

多变点的层次凝聚估计。

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

具有高斯发射的隐马尔可夫模型。

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

具有高斯混合发射的隐马尔可夫模型。

GreedyGaussianSegmentation([k_max, lamb, ...])

贪婪高斯分割估计器。

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

实现了使用 Viterbi 算法拟合的简单 HMM。

InformationGainSegmentation([k_max, step])

基于信息增益的时间分割 (IGTS) 估计器。

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

具有泊松发射的隐马尔可夫模型。

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

STRAY：概念漂移数据流中的鲁棒异常检测。

转换为聚类#

ClusterSegmenter([clusterer])

基于聚类的时间序列分割。

WindowSegmenter([clusterer, window_size, ...])

通过聚类进行基于窗口的时间序列分割。

朴素基线#

ZeroSegments()

永远不检测段的虚拟段检测器。