Mô-đun Python để phân tích điểm thay đổi

Tôi đang tìm kiếm một mô-đun Python thực hiện phân tích điểm thay đổi theo chuỗi thời gian. Có một số thuật toán khác nhau và tôi muốn khám phá tính hiệu quả của một số thuật toán mà không cần phải cuộn từng thuật toán.

Lý tưởng nhất là tôi muốn một số mô-đun như gói bcp (Điểm thay đổi Bayes) hoặc gói strucchange trong R. Tôi dự kiến ​​sẽ tìm thấy một số trong Scipy nhưng tôi không thể bật bất cứ thứ gì.

Tôi ngạc nhiên rằng không có bất kỳ cơ sở nào trong:

• statsmodels.tsa : Công cụ phân tích thống kê chuỗi thời gian
• scikits.timeseries : Công cụ phân tích chuỗi thời gian để mở rộng scipy
• scipy.signal : công cụ xử lý tín hiệu trong scipy

Có mô-đun nào có thuật toán phát hiện điểm thay đổi trong Python không?

Bạn có thể dùng thử thư viện changefinder trên PyPI. Mô tả nói rằng đó là Thư viện phát hiện thay đổi trực tuyến dựa trên thuật toán Change Downloader

Ngoài ra còn có một số triển khai Python của các kỹ thuật Phát hiện điểm thay đổi thống kê của Michele Basseville có sẵn ở định dạng hướng dẫn trên repo Github này .

Vẫn còn một số lỗ hổng trong thư viện Python để sử dụng các gói thống kê nâng cao. Bạn đã thử sử dụng mô-đun RPy chưa? Khi sử dụng RPy, bạn có thể tải các mô-đun R.

hướng dẫn ngắn gọn về RPy: http://www.sciprogblog.com/2012/08/USE-r-from-within-python.html strucchange

Việc triển khai gói Python rpy2 này đã làm việc với tôi:

import numpy as np
from rpy2.robjects.packages import importr
import rpy2.robjects as robjects

r = robjects.r #allows access to r object with r.

bcp = importr('bcp') #import bayesian change point package in python

values = bcp.bcp( r.c( r.rnorm(50) , r.rnorm(50,5,1), r.rnorm(50) ) ) #use bcp function on vector

posterior_means = np.array(values[5]).flatten()
posterior_probability = np.array(values[7]).flatten()

Sau đó, bạn có thể vẽ các phương tiện sau và xác suất sau so với vectơ ban đầu. Xem ví dụ về hàm bcp trong R để biết thêm thông tin chi tiết về ví dụ này.

Ngoài ra, các giá trị lập chỉ mục cứng với một số (tức là các giá trị [5]) không lý tưởng, nhưng tôi đã gặp khó khăn khi sử dụng trình trích xuất rx và rx2. Vì vậy, nếu bất cứ ai có thể khai sáng cho tôi về một phương pháp khai thác ít hack hơn, tôi rất muốn biết!

Tôi vừa bắt gặp một thư viện phát hiện điểm thay đổi trong Python có tên là "vỡ": https://arxiv.org/abs/1801.00826

Có lẽ điều này có thể được sử dụng.

Bạn đã thử thư viện Change Downloader chưa, bạn có thể cài đặt nó trên linux bằng cách:

pip install changefinder

cũng có thể tìm thấy mã GitHub của Bayesian_changepoint_detection tại đây: Mã GitHub