tslearn.metrics.subsequence_path¶
- tslearn.metrics.subsequence_path(acc_cost_mat, idx_path_end, be=None)[source]¶
计算通过累积成本矩阵的最优路径，给定序列的端点。
- Parameters:
- acc_cost_mat: array-like, shape=(sz1, sz2)
比较较长序列中子序列的累积成本矩阵。
- idx_path_end: int
匹配子序列在较长序列中的结束位置。
- 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:
- path: list of tuples of integer pairs
匹配路径表示为索引对的列表。在每一对中，第一个索引对应于subseq，第二个索引对应于longseq。路径的起点是\(P_0 = (0, ?)\)，终点是\(P_L = (len(subseq)-1, idx\_path\_end)\)
另请参阅
dtw_subsequence_path获取DTW的相似度分数
subsequence_cost_matrix计算所需的成本矩阵
示例
>>> acc_cost_mat = numpy.array([[1., 0., 0., 1., 4.], ... [5., 1., 1., 0., 1.]]) >>> # calculate the globally optimal path >>> optimal_end_point = numpy.argmin(acc_cost_mat[-1, :]) >>> path = subsequence_path(acc_cost_mat, optimal_end_point) >>> path [(0, 2), (1, 3)]
