NLL Exponential 评分器¶

指数分布负对数似然评分器。

异常分数是根据随机预测估计的指数分布下实际序列值的负对数似然。

class darts.ad.scorers.nll_exponential_scorer.ExponentialNLLScorer(window=1)[source]¶

基类: NLLScorer

NLL Exponential 评分器

参数: window (int) – 整数值，表示评分器用于将序列转换为异常分数所使用的窗口 W 的大小。评分器将给定的序列切分成大小为 W 的子序列，并返回一个值指示这些 W 值的子集有多异常。后处理步骤将把此异常分数转换为点式异常分数（参见 window_transform 的定义）。窗口大小应与要寻找的异常的预期持续时间相称。

属性

`is_probabilistic`	评分器是否期望将概率预测作为第一个输入。
`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（序列的）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]]) – （序列的）真实二元异常序列（1 表示是异常，0 表示不是）。
series (Union[TimeSeries, Sequence[TimeSeries]]) – （序列的）实际序列。
pred_series (Union[TimeSeries, Sequence[TimeSeries]]) – （序列的）预测序列。
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）和“AUC_PR”（来自分数的平均精度）之一。默认值：“AUC_ROC”。

返回值类型

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] – 以下情况的指标值序列：
- 单个多变量 series。
- 单变量 series 序列。
Sequence[Sequence[float]] – 多变量 series 序列的指标值序列的序列。外部序列对应系列，内部序列对应系列的组件/列。

property is_probabilistic: bool¶

评分器是否期望将概率预测作为第一个输入。

返回值类型: bool

property is_trainable: bool¶

评分器是否可训练。

返回值类型: bool

property is_univariate: bool¶

评分器是否是单变量评分器。

返回值类型: bool

score_from_prediction(series, pred_series)¶

计算两个（序列的）序列的异常分数。

如果给定一对序列，它们必须包含相同数量的系列。评分器将独立地对每对系列进行评分，并为每对返回一个异常分数。

参数

series (Union[TimeSeries, Sequence[TimeSeries]]) – （序列的）实际序列。
pred_series (Union[TimeSeries, Sequence[TimeSeries]]) – （序列的）预测序列。

返回值

（序列的）异常分数时间序列

返回值类型

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。

计算两个序列的异常分数。并绘制结果。

绘图将包含以下内容：

series 和 pred_series。
评分器的异常分数。
实际异常，如果给定的话。

可以实现以下操作：

使用参数 title 为图添加标题
使用 scorer_name 为评分器提供个性化名称
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) – 要可视化异常的实际系列。
pred_series (TimeSeries) – series 的预测系列。
anomalies (Optional[TimeSeries, None]) – 异常的真实情况（1 表示是异常，0 表示不是）
scorer_name (Optional[str, None]) – 评分器的名称。
title (Optional[str, None]) – 图的标题
metric (Optional[Literal[‘AUC_ROC’, ‘AUC_PR’], None]) – 可选参数，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）和“AUC_PR”（来自分数的平均精度）之一。默认值：“AUC_ROC”。
component_wise (bool) – 如果为 True，在多变量异常检测的情况下将单独绘制每个组件。

NLL Cauchy 评分器

NLL Gamma 评分器