ADTK调用方法汇总

ADTK调用方法汇总

一、ADTK 检测器(detector)：从时间序列中检测异常时间点。

检测方法汇总：

1. ThresholdAD：基于用户给定阈值检测异常的检测器。
2. QuantileAD：根据历史数据的分位数检测异常的检测器。
3. InterQuartileRangeAD：根据历史数据的四分位数范围检测异常的检测器。
4. GeneralizedESDTestAD：基于广义 ESD 测试检测异常的检测器。
5. PersistAD：根据前一周期的值检测异常的检测器。
6. LevelShiftAD：检测时间序列值电平偏移的检测器。
7. VolatilityShiftAD：检测时间序列波动率变化的检测器。
8. SeasonalAD：检测远离季节性模式的异常值的检测器。
9. AutoregressionAD：检测时间序列中异常自回归属性的检测器。
10. MinClusterDetector：基于历史数据聚类检测异常的检测器。
11. OutlierDetector：基于异常值检测模型检测异常的检测器。
12. RegressionAD：检测异常系列间关系的检测器。
13. PcaAD：使用主成分分析检测异常点的检测器。
14. CustomizedDetector1D：从用户给定的函数和参数派生的单变量检测器。
15. CustomizedDetectorHD：从用户给定的函数和参数派生的多变量检测器。

ADTK 检测器(detector)方法详细介绍传送门：ADTK 检测器(detector)方法汇总

二、ADTK 转换器(transformer)：转换器转换时间序列以提取有用信息。

转换方法汇总：

1. RollingAggregate: 沿着时间序列并排滚动两个滑动窗口的转换器，使用用户给定的操作进行聚合，并计算两个滑动窗口之间聚合指标的差异。
2. DoubleRollingAggregate: 沿着时间序列并排滚动两个滑动窗口的转换器，使用用户给定的操作进行聚合，并计算两个滑动窗口之间聚合指标的差异。
3. ClassicSeasonalDecomposition: 对时间序列执行经典季节性分解并返回残差序列的转换器。
4. Retrospect: 返回具有追溯值的数据帧的转换器，即时间 t 的一行包括 (tk)'s 处的值，其中 k’s 由用户指定。
5. RegressionResidual: 执行回归以在目标系列和其余系列之间建立关系并返回回归残差系列的转换器。
6. PcaProjection: 对多元时间序列执行主成分分析 (PCA) 的转换器（每个时间点都被视为高维空间中的一个点），并用它们在前 k 个主成分上的投影来表示这些点。
7. PcaReconstruction: 对多变量时间序列执行主成分分析 (PCA) 的转换器（每个时间点都被视为高维空间中的一个点），并使用前 k 个主成分重建这些点。
8. PcaReconstructionError: 对多元时间序列执行主成分分析 (PCA) 的转换器（每个时间点都被视为高维空间中的一个点），用前 k 个主成分重建这些点，并返回重建误差（即距离的平方重建点和原始点）。
9. CustomizedTransformer1D: 从用户给定的函数和参数派生的单变量转换器。
10. CustomizedTransformerHD: 从用户给定的函数和参数派生的多变量转换器。

ADTK 转换器(transformer)方法详细介绍传送门：ADTK 转换器(transformer)方法汇总

三、ADTK 聚合器(aggregator): 聚合器将多个异常列表合并为一个。

聚合方法汇总：

1. OrAggregator: 只要时间点包含在输入异常列表之一中，就将其标识为异常的聚合器。
2. AndAggregator: 仅当时间点包含在所有输入异常列表中时才将其标识为异常的聚合器。
3. CustomizedAggregator: 聚合器派生自用户给定的函数和参数。

ADTK 聚合器(aggregator)方法详细介绍传送门：ADTK 聚合器(aggregator)方法汇总

四、ADTK 管道(pipe): 模型管道和管道网络的模块。

管道方法汇总：

1. Pipeline: Pipeline 对象依次链接转换器和检测器。
2. Pipenet: Pipenet 对象连接转换器、检测器和聚合器。

ADTK 管道(pipe)方法详细介绍传送门：ADTK 管道(pipe)方法汇总

五、ADTK 数据处理(data): 数据处理模块。

数据处理方法汇总：

1. validate_series: 验证时间序列。
2. validate_events: 验证事件列表。
3. to_events: 将二进制标签系列转换为事件列表。
4. to_labels: 沿时间索引将事件列表转换为二进制系列。
5. expand_events: 扩大事件的持续时间。
6. split_train_test: 将时间序列拆分为训练和测试集以进行交叉验证。

ADTK 数据处理(data)方法详细介绍传送门：ADTK 数据处理(data)方法汇总

六、ADTK 评估指标(metrics): 衡量检测结果质量与真实异常情况的度量模块。

评估指标方法汇总：

1. recall: 预测的召回分数。
2. precision: 预测的精度分数。
3. f1_score: F1 预测分数。
4. iou: IoU（Intersection over Union）预测得分。

ADTK 评估指标(metrics)方法详细介绍传送门：ADTK 评估指标(metrics)方法汇总

七、ADTK 可视化(visualization)：可视化模块。

可视化方法汇总：

1. plot: 绘制时间序列以及异常。

ADTK 可视化(visualization)方法详细介绍传送门：ADTK 可视化(visualization)方法汇总

八、ADTK官网：https://adtk.readthedocs.io/en/stable/