tslearn.metrics.lb_envelope

tslearn.metrics.lb_envelope(ts, radius=1, be=None)

计算LB_Keogh所需的时间序列包络。

LB_Keogh最初在[1]中提出。

Parameters:

tsarray-like, shape=(sz, d) or (sz,)

应计算其包络的时间序列。 如果形状为 (sz,)，则假定时间序列是单变量的。

radiusint (default: 1)

用于生成包络线的半径（时间索引i处的包络线将基于时间序列中索引在i-radius到i+radius之间的所有观测值生成）。

beBackend object or string or None

后端。如果 be 是类 NumPyBackend 的实例或字符串 “numpy”，则使用 NumPy 后端。 如果 be 是类 PyTorchBackend 的实例或字符串 “pytorch”，则使用 PyTorch 后端。 如果 be 是 None，则后端由输入数组决定。 更多信息请参阅我们的 专用用户指南页面。

Returns:

envelope_downarray-like, shape=(sz, d)

信封的下侧。

envelope_uparray-like, shape=(sz, d)

信封的上部。

另请参阅

lb_keogh

计算 LB_Keogh 相似度

参考文献

[1]

Keogh, E. 动态时间规整的精确索引。在《国际大型数据库会议》中，2002年。第406-417页。

示例

>>> ts1 = [1, 2, 3, 2, 1]
>>> env_low, env_up = lb_envelope(ts1, radius=1)
>>> env_low
array([[1.],
       [1.],
       [2.],
       [1.],
       [1.]])
>>> env_up
array([[2.],
       [3.],
       [3.],
       [3.],
       [2.]])

使用tslearn.metrics.lb_envelope的示例

LB_Keogh

LB_Keogh