文件名称：pysax:时间序列数据的SAX（符号聚合近似）的python实现
文件大小：607KB
文件格式：ZIP
更新时间：2024-07-01 04:54:15
C
派萨克斯 时间序列数据的SAX（符号聚合近似）的python实现 主意 将时间序列数据转换为符号表示，其中（欧几里得）距离/相似度是符号空间中距离的下限 符号表示可以被视为时间序列的低维度（聚合）表示 可以使用基于符号的算法，例如后缀树、马尔可夫链来分析时间序列 参考 我们为什么要重新实施它？ SAX 对时间序列数据有一定的假设，例如（1）局部高斯，（2）固定频率，（3）实值信号。 我们想探索其他数据的更多可能性 我们想要时间序列片段的向量表示，类似于将单词表示为向量的想法（Google 的 word2vec） 我们需要一个快速的并行实现 去做 例子 sequitur的python包装器 主意 sequitur 将用作 SAX 数据的上下文无关语法提取器 挖掘的规则将用于异常值/主题检测 我们为 python 使用包装了c++ 实现- 所以它现在只是一个快速的解决方法。 参考
【文件预览】：
pysax-master
----.ipynb_checkpoints()
--------Tutorial-sequitur-checkpoint.ipynb(4KB)
--------Tutorial-SAX (Symbolic Aggregate Approximation)-checkpoint.ipynb(38KB)
--------Tutorial-pyoutlier-checkpoint.ipynb(171KB)
----pysequitur.py(2KB)
----Tutorial-sequitur.ipynb(4KB)
----pysax.py(8KB)
----sequitur()
--------bitio.h(5KB)
--------sequitur_simple.cc(8KB)
--------sequitur_simple(39KB)
--------classes.cc(10KB)
--------test.pl(2KB)
--------Makefile_win(577B)
--------arith.c(26KB)
--------compress.cc(12KB)
--------arith.h(5KB)
--------sequitur(59KB)
--------stats.h(4KB)
--------testfiles()
--------Makefile(610B)
--------getopt.c(2KB)
--------sequitur.cc(10KB)
--------stats.c(22KB)
--------bitio.c(3KB)
--------classes.h(6KB)
--------README(4KB)
--------unroll.i(2KB)
----pyoutlier.py(3KB)
----README.md(3KB)
----.gitignore(702B)
----Tutorial-pyoutlier.ipynb(171KB)
----Tutorial-SAX (Symbolic Aggregate Approximation).ipynb(38KB)