集成 scikit-learn 聚合器¶

class darts.ad.aggregators.ensemble_sklearn_aggregator.EnsembleSklearnAggregator(model)[source]¶

集成 scikit-learn 聚合器

围绕 sklearn 集成模型 sklearn 集成模型的聚合器。

方法

`eval_metric`(anomalies, series[, window, metric])	将输入的（序列）多元时间序列聚合成一个（序列）时间序列，并根据真实异常标签评估结果。
`fit`(anomalies, series)	在（序列）多元二元异常时间序列上拟合聚合器。
`predict`(series[, name])	将输入的（序列）多元二元时间序列聚合成一个（序列）一元二元时间序列。

eval_metric(anomalies, series, window=1, metric='recall')¶

将输入的（序列）多元时间序列聚合成一个（序列）时间序列，并根据真实异常标签评估结果。

参数

anomalies (Union[TimeSeries, Sequence[TimeSeries]]) – （序列）二元真实异常标签（如果是异常则为 1，否则为 0）。
series (Union[TimeSeries, Sequence[TimeSeries]]) – 要聚合的（序列）预测多元二元时间序列。
window (int) – （序列）整数值，表示（序列）中每个点代表的过去样本数量。该参数将由 darts.ad.utils 中的函数 _window_adjustment_anomalies() 用于转换异常。
metric (Literal[‘recall’, ‘precision’, ‘f1’, ‘accuracy’]) – 要使用的指标函数名称。必须是 “recall”、“precision”、“f1” 和 “accuracy” 之一。默认值：“recall”。

返回

（序列）时间序列的（序列）得分。

返回类型

Union[float, Sequence[float]]

fit(anomalies, series)¶

在（序列）多元二元异常时间序列上拟合聚合器。

如果给定时间序列列表，它们必须具有相同数量的组件。

参数

anomalies (Union[TimeSeries, Sequence[TimeSeries]]) – （序列）二元真实异常标签（如果是异常则为 1，否则为 0）。
series (Union[TimeSeries, Sequence[TimeSeries]]) – 要聚合的（序列）多元二元时间序列（预测标签）。

返回类型

Self

predict(series, name='series')¶

将输入的（序列）多元二元时间序列聚合成一个（序列）一元二元时间序列。

参数

series (Union[TimeSeries, Sequence[TimeSeries]]) – 要聚合的（序列）多元二元时间序列。
name (str) – series 的名称。

返回

（序列）聚合结果。

返回类型

TimeSeries

AND 聚合器

OR 聚合器