四分位距 (IQR) 检测器¶

通过历史数据 IQR（第三四分位数和第一四分位数之间）与其差值的一定因子（通常为 1.5）来标记超出 IQR 的异常。这类似于基于阈值的检测器，但阈值是在拟合检测器时根据历史数据 IQR 的距离计算的。

class darts.ad.detectors.iqr_detector.IQRDetector(scale=1.5)[source]¶

IQR 检测器

将超出四分位距 (IQR) 超过 IQR 值一定因子的值标记为异常。该因子通过 scale 参数传入。

如果为 scale 提供单个值，则该相同值将用于序列的所有分量。

如果为 scale 参数提供值序列，则其长度必须与传入序列的维度匹配。

参数: scale (Union[Sequence[float], float]) – 用于指示与 IQR 的距离构成异常的比例（或比例序列）。默认为 1.5。必须为非负数。如果是序列，则其长度必须与应用此检测器的序列维度匹配。

属性

high_threshold
low_threshold

方法

`detect`(series[, name])	在给定时间序列上检测异常。
`eval_metric`(anomalies, pred_scores[, ...])	根据真实异常评估结果。
`fit`(series)	在给定时间序列上训练检测器。
`fit_detect`(series)	训练检测器并在同一序列上检测异常。

detect(series, name='series')¶

在给定时间序列上检测异常。

参数

series (Union[TimeSeries, Sequence[TimeSeries]]) – 要在其上检测异常的序列（或序列列表）。
name (str) – series 的名称。

返回

二元预测（如果是异常则为 1，否则为 0）

返回类型

Union[TimeSeries, Sequence[TimeSeries]]

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

根据真实异常评估结果。

参数

anomalies (Union[TimeSeries, Sequence[TimeSeries]]) – 真实二元异常序列（或序列列表）（如果是异常则为 1，否则为 0）。
pred_scores (Union[TimeSeries, Sequence[TimeSeries]]) – 估计的异常分数序列（或序列列表），指示大小为 w 的每个窗口的异常程度。
window (int) – 整数值，指示 pred_scores 中每个点代表的过去样本数量。
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。默认为“recall”。

返回

每个异常分数的指标结果

返回类型

Union[float, Sequence[float], Sequence[Sequence[float]]]

fit(series)¶

在给定时间序列上训练检测器。

参数: series (Union[TimeSeries, Sequence[TimeSeries]]) – 用于训练检测器的时间序列（或序列列表）。
返回: 已拟合的检测器。
返回类型: self

fit_detect(series)¶

训练检测器并在同一序列上检测异常。

参数: series (Union[TimeSeries, Sequence[TimeSeries]]) – 用于训练和检测异常的时间序列。
返回: 二元预测（如果是异常则为 1，否则为 0）
返回类型: Union[TimeSeries, Sequence[TimeSeries]]

<无标题>

分位数检测器