动态时间规整 (DTW)¶

class darts.dataprocessing.dtw.dtw.DTWAlignment(series1, series2, cost)[source]¶

基类：object

动态时间规整 (DTW) 对齐。

n¶

series1 的长度

类型: int

m¶

series2 的长度

类型: int

series1¶

要与 series2 对齐的 TimeSeries。

类型: darts.timeseries.TimeSeries

series2¶

要与 series1 对齐的 TimeSeries。

类型: darts.timeseries.TimeSeries

cost¶

DTW 的 CostMatrix。

类型: darts.dataprocessing.dtw.cost_matrix.CostMatrix

方法

`distance`()	返回规整后两个序列中成对元素的总距离。
`mean_distance`()	返回规整后两个序列中成对元素的平均距离。
`path`()	返回从 series1 到 series2 的索引路径。
`plot`([new_plot, show_series, show_cost, ...])	绘制规整路径。
`plot_alignment`([new_plot, series1_y_offset, ...])	绘制每个序列的单变量分量，其间的连线表示 DTW 算法选择的对齐方式。
`warped`()	根据 DTWAlignment.path() 返回的规整路径对两个时序进行规整，该路径最小化了成对距离。

cost: CostMatrix¶

distance()[source]¶

返回规整后两个序列中成对元素的总距离。

返回值: 规整后两个序列中成对元素的总距离。
返回类型: float

m: int¶

mean_distance()[source]¶

返回规整后两个序列中成对元素的平均距离。

返回值: 规整后两个序列中成对元素的平均距离。
返回类型: float

n: int¶

path()[source]¶

返回从 series1 到 series2 的索引路径。

返回值: 索引数组 [[i0,j0], [i1,j1], [i2,j2], …]，其中 i 是 series1 的索引，j 是 series2 的索引。索引按单调递增顺序排列，path[n] >= path[n-1]。
返回类型: 形状为 (len(path), 2) 的 np.ndarray

plot(new_plot=False, show_series=False, show_cost=True, cost_cmap='summer', args_path={}, args_cost={}, args_series1={}, args_series2={})¶

绘制规整路径。

参数

new_plot (bool) – 布尔值，指示是否生成新的图。
show_series (bool) – 布尔值，指示是否额外绘制两个时序。series1 将绘制在成本矩阵下方，series2 将绘制在成本矩阵左侧。
show_cost (bool) – 布尔值，指示是否额外绘制成本矩阵。成本矩阵将以热力图形式显示。对于可视化窗口函数的效果很有用。
cost_cmap (str) – 成本矩阵图的颜色映射样式
args_path (dict) – 传递给规整路径 plot() 函数的一些关键字参数
args_cost (dict) – 传递给成本矩阵 imshow 函数的一些关键字参数
args_series1 (dict) – 传递给 series1 的 plot() 方法的一些关键字参数
args_series2 (dict) – 传递给 series2 的 plot() 方法的一些关键字参数

plot_alignment(new_plot=False, series1_y_offset=0, series2_y_offset=0, components=(0, 0), args_line={}, args_series1={}, args_series2={})¶

绘制每个序列的单变量分量，其间的连线表示 DTW 算法选择的对齐方式。

参数

new_plot (bool) – 是否生成新的 Figure
series2_y_offset (float) – 垂直偏移 series1 以方便查看。
series1_y_offset (float) – 垂直偏移 series2 以方便查看。
components (tuple[Union[str, int], Union[str, int]]) – series1 的分量索引和 series2 的分量索引组成的元组。
args_line (dict) – 传递给线的 plot() 方法的一些关键字参数
args_series1 (dict) – 传递给 series1 的 plot() 方法的一些关键字参数
args_series2 (dict) – 传递给 series2 的 plot() 方法的一些关键字参数

series1: TimeSeries¶

series2: TimeSeries¶

warped()[source]¶

根据 DTWAlignment.path() 返回的规整路径对两个时序进行规整，该路径最小化了成对距离。这会将两个异相的时序调整为同相。

返回值: 两个长度相同、由 pd.RangeIndex 索引的新 TimeSeries 实例。
返回类型: (TimeSeries, TimeSeries)

darts.dataprocessing.dtw.dtw.dtw(series1, series2, window=None, distance=None, multi_grid_radius=- 1)[source]¶

根据动态时间规整算法，确定两个时序 series1 和 series2 之间的最优对齐方式。该对齐方式使规整后成对元素之间的距离最小化。两个序列中的所有元素都进行匹配，并且顺序严格单调递增。只考虑序列中的值，忽略时间轴。

动态时间规整可用于确定两个时序的对应紧密程度，而无需考虑相位、长度或速度差异。

参数

series1 (TimeSeries) – 要与 series2 对齐的 TimeSeries。
series2 (TimeSeries) – 要与 series1 对齐的 TimeSeries。
window (Optional[Window, None]) – 可选参数，用于约束最优对齐搜索的 Window：参见 SakoeChiba 和 Itakura。默认为考虑所有可能的对齐 (NoWindow)。
distance (Optional[Callable[[Union[ndarray, floating], Union[ndarray, floating]], float], None]) –
输入为单变量序列的两个 float 或两个 np.ndarray，并返回它们之间距离的函数。

单变量数据默认为绝对差，多变量序列默认为绝对差之和。
multi_grid_radius (int) –
默认半径 -1 会对动态时间规整算法进行精确评估。在没有约束的情况下，DTW 的运行时间为 O(nxm)，其中 n,m 是序列的大小。在大型数据集上进行无约束的精确评估将导致性能警告。

将 multi_grid_radius 设置为除 -1 之外的值将启用近似多网格求解器，其执行时间为线性时间，而精确评估为二次时间。增加半径会以解决方案精度换取性能。

返回值

用于获取规整路径、平均距离、距离和规整后时序的辅助对象

返回类型

DTWAlignment

<无标题>

DTW 窗口