NLL 泊松评分器¶

泊松分布负对数似然评分器。

异常评分是根据随机预测估算的泊松分布下，实际时序值的负对数似然。

class darts.ad.scorers.nll_poisson_scorer.PoissonNLLScorer(window=1)[source]¶

继承自: NLLScorer

NLL 泊松评分器

参数: window (int) – 整数值，指示评分器用于将时序转换为异常评分的窗口大小 W。评分器会将给定的时序切片为大小为 W 的子序列，并返回一个值，指示这些 W 个值的子集有多异常。后处理步骤会将此异常评分转换为点式异常评分（参见 window_transform 的定义）。窗口大小应与预期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 之间的异常评分，并返回一个无关阈值指标的评分。
`score_from_prediction`(series, pred_series)	计算两个（或序列）时序的异常评分。
`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 之间的异常评分，并返回一个无关阈值指标的评分。

参数

anomalies (Union[TimeSeries, Sequence[TimeSeries]]) – (序列的) 地面真值二元异常时序（1 表示异常，0 表示非异常）。
series (Union[TimeSeries, Sequence[TimeSeries]]) – (序列的) 实际时序。
pred_series (Union[TimeSeries, Sequence[TimeSeries]]) – (序列的) 预测时序。
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”（从评分得出的平均精度）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] – 一系列指标值，适用于
- 单个多变量 series。
- 一系列单变量 series。
Sequence[Sequence[float]] – 一系列序列的指标值，适用于一系列多变量 series。外部序列对应于 series，内部序列对应于 series 的分量/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（或序列）时序的异常评分。

如果给定一对序列，它们必须包含相同数量的时序。评分器将独立地为每对时序评分，并为每对返回一个异常评分。

参数

series (Union[TimeSeries, Sequence[TimeSeries]]) – (序列的) 实际时序。
pred_series (Union[TimeSeries, Sequence[TimeSeries]]) – (序列的) 预测时序。

返回值

(序列的) 异常评分时序

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。

计算两个时序的异常评分，并绘制结果。

图表将由以下部分组成

实际时序和预测时序。
评分器的异常评分。
如果给定，则显示实际异常。

可以

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，则显示异常评分的指标结果（AUC_ROC 或 AUC_PR）。

参数

series (TimeSeries) – 用于可视化异常的实际时序。
pred_series (TimeSeries) – series 的预测时序。
anomalies (Optional[TimeSeries, None]) – 异常的地面真值（1 表示异常，0 表示非异常）
scorer_name (Optional[str, None]) – 评分器的名称。
title (Optional[str, None]) – 图表标题
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）和“AUC_PR”（从评分得出的平均精度）之一。默认值：“AUC_ROC”。
component_wise (bool) – 如果为 True，则在多变量异常检测的情况下将单独绘制每个分量。

上一个

NLL 拉普拉斯评分器

下一个

范数评分器