NLL Gamma 评分器

Gamma 分布负对数似然评分器。

异常分数为基于随机预测估计的 Gamma 分布下实际序列值的负对数似然。

class darts.ad.scorers.nll_gamma_scorer.GammaNLLScorer(window=1)[source]

基类：NLLScorer

NLL Gamma 评分器

参数

window (int) – 表示评分器用于将序列转换为异常分数的窗口 W 大小的整数值。评分器会将给定序列切分为大小为 W 的子序列，并返回一个值，表示这些 W 值子集有多异常。后处理步骤会将此异常分数转换为点状异常分数（参见 window_transform 的定义）。窗口大小应与期望寻找的异常持续时间相称。

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

评分器是否为单变量评分器。

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）序列上的异常分数。

show_anomalies_from_prediction(series, ...)

绘制评分器结果。
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]]) – 真实的二元异常序列（或其序列）（1 表示是异常，0 表示不是）。

  • series (Union[TimeSeries, Sequence[TimeSeries]]) – 实际序列（或其序列）。

  • pred_series (Union[TimeSeries, Sequence[TimeSeries]]) – 预测序列（或其序列）。

  • 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”（来自分数的平均精度）之一。默认值：“AUC_ROC”。

返回类型

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

返回

  • float – 单个单变量 series 的单个指标值。

  • Sequence[float] – 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。外部序列对应于 series，内部序列对应于 series 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

评分器是否为单变量评分器。

返回类型

bool

score_from_prediction(series, pred_series)

计算两个（序列的）序列上的异常分数。

如果给定一对序列，它们必须包含相同数量的序列。评分器将独立地对每一对序列进行评分，并为每一对返回一个异常分数。

参数
返回

异常分数时序（或其序列）

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)

绘制评分器结果。

计算两个序列上的异常分数。并绘制结果。

图形将由以下部分组成

  • series 和 pred_series。

  • 评分器的异常分数。

  • 如果给定，则显示实际异常。

可以

  • 使用参数 title 为图形添加标题

  • 使用 scorer_name 为评分器指定个性化名称

  • 如果提供了实际异常，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序列。

  • pred_series (TimeSeries) – series 的预测序列。

  • 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]) – 图形的标题

  • metric (Optional[Literal[‘AUC_ROC’, ‘AUC_PR’], None]) – 可选地，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”（来自分数的平均精度）之一。默认值：“AUC_ROC”。

  • component_wise (bool) – 如果为 True，则在多变量异常检测情况下将单独绘制每个分量。

上一个

NLL Exponential 评分器

下一个

NLL Gaussian 评分器