Qiitas erster Beitrag! !! Es ist einfach für einen neuen Ingenieur im ersten Jahr (* ´ ▽ ｀ *) Referenzseite: [Wechsler] (http://argmax.jp/index.php?changefinder)

Alle Verwendungszwecke werden in diesem Link beschrieben.

Hintergrund

Ich hörte kürzlich eine Stimme, die sagte: "Ich möchte wissen, ob PV in die Höhe schnellen kann!" Und versuchte es. In einem solchen Fall scheint es, dass es häufig unter Verwendung der Änderungspunkterkennung und der Ausreißererkennung gemessen wird. Während der Untersuchung gab es einige Beispiele, bei denen ein Modell namens Changefinder verwendet wurde.

[Einführung der Methode und des Systems zur Identifizierung hochfliegender Wörter mit "Ameba" und "Twitter"] (https://www.cyberagent.co.jp/techinfo/techreport/report/id=9749)

Es gibt Pakete in R und Python, also habe ich dieses Mal den Beispielcode des Python-Pakets ausprobiert, den ich nie berührt habe!

R: [Ich habe ein Paket zur Erkennung von Anomalien (Änderungspunkterkennung) erstellt] (http://d.hatena.ne.jp/yokkuns/20120930/1348978641)

Python: [changefinder] (http://argmax.jp/index.php?changefinder)

Trainieren

Der Editor hat kürzlich Jupyter verwendet, ein heißes Thema im Python-Bereich. Wie Sie jupyter nootbook installieren, finden Sie unter hier. jupyter ist ein empfohlener Editor für interaktive Codeänderungen, Datenerfassung und Plotten.

Wenn Sie den Beispielcode mit jupyter drücken, sieht es so aus

Installieren Sie zuerst das Changefinder-Paket Installieren Sie die erforderlichen Bibliotheken

pip install changefinder

matplotlib.pyplot ist eine Standardbibliothek von Diagrammplots. numpy ist eine praktische Bibliothek, die verschiedene Funktionen, die Zufallszahlen usw. erzeugen, sagen. pandas enthält Typen, die Datenoperationen bequem machen, wie z. B. Datenrahmen.

import changefinder as cf
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

Erstellen Sie die zu analysierenden Daten. Erstellt und speichert Zufallszahlen mit niedrigen, hohen, niedrigen und hohen Durchschnittswerten.

data=np.concatenate([
np.random.normal(0.7, 0.05, 300),
np.random.normal(1.5, 0.05, 300),
np.random.normal(0.6, 0.05, 300),
np.random.normal(1.3, 0.05, 300)])

Stellen Sie die Parameter ein.

cf = changefinder.ChangeFinder(r=0.01, order=1, smooth=100)

Legen Sie die Partitur in ein Array

ret = []
for i in data:
    score = cf.update(i)
    ret.append(score)

Es ist ein Diagramm.

fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(ret)
ax2 = ax.twinx()
ax2.plot(data,'r')
plt.show()

Zusammenfassung

Mit jupyter können Sie damit interagieren und ganz einfach verschiedene Pakete ausprobieren!

[PYTHON] Ich habe die Changefinder-Bibliothek ausprobiert!

Hintergrund

Trainieren

Zusammenfassung