NLL 柯西评分器¶

柯西分布负对数似然评分器。

异常分数是根据随机预测估计的柯西分布下实际时间序列值的负对数似然。

class darts.ad.scorers.nll_cauchy_scorer.CauchyNLLScorer(window=1)[源代码]¶

基类：NLLScorer

NLL 柯西评分器

属性

`is_probabilistic`	评分器是否期望第一个输入是概率性预测。
`is_trainable`	评分器是否可训练。
`is_univariate`	评分器是否是单变量评分器。

方法

`eval_metric_from_prediction`(anomalies, ...)	计算 series 和 pred_series 之间的异常分数，并返回与阈值无关的指标分数。
`score_from_prediction`(series, pred_series)	计算两个（或序列）时间序列的异常分数。
`show_anomalies_from_prediction`(series, ...)	绘制评分器的结果。

eval_metric_from_prediction(anomalies, series, pred_series, metric='AUC_ROC')¶

计算 series 和 pred_series 之间的异常分数，并返回与阈值无关的指标分数。

参数

anomalies (Union[TimeSeries, Sequence[TimeSeries]]) – (序列形式的) 地面真实二元异常时间序列 (1 表示是异常，0 表示不是)。
series (Union[TimeSeries, Sequence[TimeSeries]]) – (序列形式的) 实际时间序列。
pred_series (Union[TimeSeries, Sequence[TimeSeries]]) – (序列形式的) 预测时间序列。
metric (Literal[‘AUC_ROC’, ‘AUC_PR’]) – 要使用的指标函数的名称。必须是 “AUC_ROC”（接收者操作特征曲线下面积）或 “AUC_PR”（根据分数的平均精度）之一。默认值：“AUC_ROC”。

返回类型

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

返回值

float – 单个单变量 series 的单个指标值。
Sequence[float] – 以下情况下的指标值序列：
- 单个多变量 series。
- 单变量 series 的序列。
Sequence[Sequence[float]] – 多变量 series 序列的指标值序列的序列。外层序列表示不同的系列，内层序列表示系列的组件/列。

property is_probabilistic: bool¶

评分器是否期望第一个输入是概率性预测。

返回类型: bool

property is_trainable: bool¶

评分器是否可训练。

返回类型: bool

property is_univariate: bool¶

评分器是否是单变量评分器。

返回类型: bool

score_from_prediction(series, pred_series)¶

计算两个（或序列）时间序列的异常分数。

如果给出的是序列对，它们必须包含相同数量的时间序列。评分器将独立地对每对时间序列进行评分，并为每对时间序列返回一个异常分数。

参数

series (Union[TimeSeries, Sequence[TimeSeries]]) – (序列形式的) 实际时间序列。
pred_series (Union[TimeSeries, Sequence[TimeSeries]]) – (序列形式的) 预测时间序列。

返回值

（序列形式的）异常分数时间序列

返回类型

Union[TimeSeries, Sequence[TimeSeries]]

show_anomalies_from_prediction(series, pred_series, scorer_name=None, anomalies=None, title=None, metric=None, component_wise=False)¶

绘制评分器的结果。

计算两个时间序列的异常分数。并绘制结果。

图表将包含以下部分：

实际时间序列和预测时间序列。
评分器的异常分数。
如果提供了，则包括实际异常。

可以通过以下方式进行定制：

使用参数 title 为图表添加标题
使用 scorer_name 为评分器指定个性化名称
如果提供了实际异常，则显示异常分数的指标结果（AUC_ROC 或 AUC_PR）。

参数

series (TimeSeries) – 用于可视化异常的实际时间序列。
pred_series (TimeSeries) – series 的预测时间序列。
anomalies (Optional[TimeSeries, None]) – 异常的地面真实值（1 表示是异常，0 表示不是）
scorer_name (Optional[str, None]) – 评分器名称。
title (Optional[str, None]) – 图表标题
metric (Optional[Literal[‘AUC_ROC’, ‘AUC_PR’], None]) – 可选，要使用的指标函数的名称。必须是 “AUC_ROC”（接收者操作特征曲线下面积）或 “AUC_PR”（根据分数的平均精度）之一。默认值：“AUC_ROC”。
component_wise (bool) – 如果为 True，在进行多变量异常检测时将分别绘制每个组件。

k-means 评分器

NLL 指数评分器