변경점 분석을위한 Python 모듈

시계열에서 변경점 분석을 수행하는 Python 모듈을 찾고 있습니다. 여러 가지 알고리즘이 있으며 각 알고리즘을 수동으로 롤링하지 않고도 일부 알고리즘의 효능을 탐색하고 싶습니다.

이상적으로는 bcp (Bayesian Change Point) 또는 R의 strucchange 패키지 와 같은 일부 모듈을 원합니다. Scipy 에서 일부를 찾을 것으로 예상했지만 아무것도 만들 수 없었습니다.

다음 시설에 시설이없는 것이 놀랍습니다.

• statsmodels.tsa : 시계열 통계 분석 도구
• scikits.timeseries : scipy를 확장하는 시계열 분석 도구
• scipy.signal : scipy의 신호 처리 도구

파이썬에서 변경점 감지 알고리즘이있는 모듈이 있습니까?

PyPI 에서 체인저 파인더 라이브러리를 사용해 볼 수 있습니다 . 설명에 따르면 ChangeFinder 알고리즘을 기반으로하는 온라인 변경 감지 라이브러리라고합니다.

이 Github 리포지토리 에서 자습서 형식으로 사용 가능한 Michele Basseville의 통계 변경점 감지 기술에 대한 Python 구현도 있습니다 .

고급 통계 패키지를 사용하기 위해 Python 라이브러리에는 여전히 약간의 차이가 있습니다. RPy 모듈을 사용해 보셨습니까? RPy를 사용하면 R 모듈을로드 할 수 있습니다.

RPy에 대한 간단한 자습서 : http://www.sciprogblog.com/2012/08/using-r-from-within-python.html strucchange

이 파이썬 패키지 rpy2의 구현은 저에게 효과적이었습니다.

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()

그런 다음 원래 벡터에 대해 사후 평균 및 사후 확률을 플로팅 할 수 있습니다. 이 예제에 대한 자세한 정보는 R의 bcp 함수 예제를 참조하십시오.

또한 숫자가있는 하드 인덱싱 값 (즉, 값 [5])은 이상적이지 않지만 rx 및 rx2 추출기를 사용하여 어려움을 겪고있었습니다. 그래서 누군가 덜 덜 해킹 추출 방법을 가르쳐 줄 수 있다면 알고 싶습니다!

방금 파이썬에서 "ruptures"라는 변경점 감지 라이브러리를 발견했습니다. https://arxiv.org/abs/1801.00826

아마도 이것이 유용 할 수 있습니다.

ChangeFinder 라이브러리를 사용해 보았 으면 다음과 같이 Linux에 설치할 수 있습니다.

pip install changefinder

Bayesian_changepoint_detection GitHub 코드는 여기에서 찾을 수 있습니다 : GitHub 코드