首頁>編程相關>Python
下載

測試狀態


矮墩墩

STUMPY 是一個強大且可擴展的Python 庫，它可以有效地計算稱為矩陣輪廓的東西，這只是一種學術說法，即「對於時間序列中的每個（綠色）子序列，自動識別其相應的最近鄰居（灰色）」：

STUMPY 動畫 GIF

重要的是，一旦計算出矩陣輪廓（上面的中間面板），它就可以用於各種時間序列資料探勘任務，例如：

  • 模式/基序（較長時間序列內的近似重複子序列）發現
  • 異常/新奇（不一致）發現
  • 小形狀發現
  • 語意分割
  • 串流（線上）數據
  • 快速近似矩陣輪廓
  • 時間序列鏈（按時間順序排列的子序列模式集）
  • 用於總結長時間序列的片段
  • 用於選擇最佳子序列視窗大小的泛矩陣配置文件
  • 還有更多...

無論您是學者、資料科學家、軟體開發人員或時間序列愛好者，STUMPY 的安裝都很簡單，我們的目標是讓您更快獲得時間序列見解。請參閱文件以取得更多資訊。

如何使用STUMPY

請參閱我們的 API 文件以獲取可用函數的完整列表，並參閱我們的資訊教學課程以取得更全面的範例用例。下面，您將找到快速示範如何使用 STUMPY 的程式碼片段。

STUMP 的典型用法（一維時間序列資料）： 

 import stumpy
import numpy as np

if __name__ == "__main__" :
    your_time_series = np . random . rand ( 10000 )
    window_size = 50  # Approximately, how many data points might be found in a pattern

    matrix_profile = stumpy . stump ( your_time_series , m = window_size )

透過 STUMPED 使用 Dask 分佈式使用一維時間序列資料： 

 import stumpy
import numpy as np
from dask . distributed import Client

if __name__ == "__main__" :
    with Client () as dask_client :
        your_time_series = np . random . rand ( 10000 )
        window_size = 50  # Approximately, how many data points might be found in a pattern

        matrix_profile = stumpy . stumped ( dask_client , your_time_series , m = window_size )

使用 GPU-STUMP 處理一維時間序列資料的 GPU 使用： 

 import stumpy
import numpy as np
from numba import cuda

if __name__ == "__main__" :
    your_time_series = np . random . rand ( 10000 )
    window_size = 50  # Approximately, how many data points might be found in a pattern
    all_gpu_devices = [ device . id for device in cuda . list_devices ()]  # Get a list of all available GPU devices

    matrix_profile = stumpy . gpu_stump ( your_time_series , m = window_size , device_id = all_gpu_devices )

使用MSTUMP的多維時間序列資料： 

 import stumpy
import numpy as np

if __name__ == "__main__" :
    your_time_series = np . random . rand ( 3 , 1000 )  # Each row represents data from a different dimension while each column represents data from the same dimension
    window_size = 50  # Approximately, how many data points might be found in a pattern

    matrix_profile , matrix_profile_indices = stumpy . mstump ( your_time_series , m = window_size )

使用Dask Distributed MSTUMPED進行分散式多維​​時間序列資料分析： 

 import stumpy
import numpy as np
from dask . distributed import Client

if __name__ == "__main__" :
    with Client () as dask_client :
        your_time_series = np . random . rand ( 3 , 1000 )   # Each row represents data from a different dimension while each column represents data from the same dimension
        window_size = 50  # Approximately, how many data points might be found in a pattern

        matrix_profile , matrix_profile_indices = stumpy . mstumped ( dask_client , your_time_series , m = window_size )

具有錨定時間序列鏈 (ATSC) 的時間序列鏈： 

 import stumpy
import numpy as np

if __name__ == "__main__" :
    your_time_series = np . random . rand ( 10000 )
    window_size = 50  # Approximately, how many data points might be found in a pattern

    matrix_profile = stumpy . stump ( your_time_series , m = window_size )

    left_matrix_profile_index = matrix_profile [:, 2 ]
    right_matrix_profile_index = matrix_profile [:, 3 ]
    idx = 10  # Subsequence index for which to retrieve the anchored time series chain for

    anchored_chain = stumpy . atsc ( left_matrix_profile_index , right_matrix_profile_index , idx )

    all_chain_set , longest_unanchored_chain = stumpy . allc ( left_matrix_profile_index , right_matrix_profile_index )

使用快速低成本單能語意分割 (FLUSS) 進行語意分割： 

 import stumpy
import numpy as np

if __name__ == "__main__" :
    your_time_series = np . random . rand ( 10000 )
    window_size = 50  # Approximately, how many data points might be found in a pattern

    matrix_profile = stumpy . stump ( your_time_series , m = window_size )

    subseq_len = 50
    correct_arc_curve , regime_locations = stumpy . fluss ( matrix_profile [:, 1 ],
                                                    L = subseq_len ,
                                                    n_regimes = 2 ,
                                                    excl_factor = 1
                                                    )

依賴關係

支援的 Python 和 NumPy 版本根據 NEP 29 棄用政策確定。

  • 數值模擬
  • 努巴
  • 科學Py

哪裡可以得到它

Conda 安裝（首選）： 

conda install -c conda-forge stumpy

PyPI 安裝，假設您安裝了 numpy、scipy 和 numba： 

python -m pip install stumpy

若要從來源安裝 Stumpy，請參閱文件中的說明。

文件

為了充分理解和欣賞底層演算法和應用程序，您必須閱讀原始出版物。有關如何使用 STUMPY 的更詳細範例，請查閱最新文件或瀏覽我們的實作教學。

表現

我們測試了使用 Numba JIT 編譯版本的程式碼對隨機產生的不同長度的時間序列資料（即np.random.rand(n) ）以及不同的 CPU 和 GPU 硬體資源計算精確矩陣設定檔的效能。

原始結果在下表中顯示為小時:分鐘:秒.毫秒，視窗大小恆定為 m = 50。您可能需要捲動到表的右側才能查看所有執行時間。

我n = 2我GPU-STOMP樹樁.2樹樁.16難住了.128難住了.256 GPU-STUMP.1 GPU-STUMP.2 GPU-STUMP.DGX1 GPU-STUMP.DGX2
6 64 00:00:10.00 00:00:00.00 00:00:00.00 00:00:05.77 00:00:06.08 00:00:00.03 00:00:01.63南南
7 128 00:00:10.00 00:00:00.00 00:00:00.00 00:00:05.93 00:00:07.29 00:00:00.04 00:00:01.66南南
8 256 00:00:10.00 00:00:00.00 00:00:00.01 00:00:05.95 00:00:07.59 00:00:00.08 00:00:01.69 00:00:06.68 00:00:25.68
9第512章00:00:10.00 00:00:00.00 00:00:00.02 00:00:05.97 00:00:07.47 00:00:00.13 00:00:01.66 00:00:06.59 00:00:27.66
10 1024 00:00:10.00 00:00:00.02 00:00:00.04 00:00:05.69 00:00:07.64 00:00:00.24 00:00:01.72 00:00:06.70 00:00:30.49
11 2048南00:00:00.05 00:00:00.09 00:00:05.60 00:00:07.83 00:00:00.53 00:00:01.88 00:00:06.87 00:00:31.09
12 4096南00:00:00.22 00:00:00.19 00:00:06.26 00:00:07.90 00:00:01.04 00:00:02.19 00:00:06.91 00:00:33.93
13 8192南00:00:00.50 00:00:00.41 00:00:06.29 00:00:07.73 00:00:01.97 00:00:02.49 00:00:06.61 00:00:33.81
14 16384南00:00:01.79 00:00:00.99 00:00:06.24 00:00:08.18 00:00:03.69 00:00:03.29 00:00:07.36 00:00:35.23
15 32768南00:00:06.17 00:00:02.39 00:00:06.48 00:00:08.29 00:00:07.45 00:00:04.93 00:00:07.02 00:00:36.09
16 65536南00:00:22.94 00:00:06.42 00:00:07.33 00:00:09.01 00:00:14.89 00:00:08.12 00:00:08.10 00:00:36.54
17 號131072 00:00:10.00 00:01:29.27 00:00:19.52 00:00:09.75 00:00:10.53 00:00:29.97 00:00:15.42 00:00:09.45 00:00:37.33
18 262144 00:00:18.00 00:05:56.50 00:01:08.44 00:00:33.38 00:00:24.07 00:00:59.62 00:00:27.41 00:00:13.18 00:00:39.30
19 524288 00:00:46.00 00:25:34.58 00:03:56.82 00:01:35.27 00:03:43.66 00:01:56.67 00:00:54.05 00:00:19.65 00:00:41.45
20 1048576 00:02:30.00 01:51:13.43 00:19:54.75 00:04:37.15 00:03:01.16 00:05:06.48 00:02:24.73 00:00:32.95 00:00:46.14
21 2097152 00:09:15.00 09:25:47.64 03:05:07.64 00:13:36.51 00:08:47.47 00:20:27.94 00:09:41.43 00:01:06.51 00:01:02.67
22 4194304南36:12:23.74 10:37:51.21 00:55:44.43 00:32:06.70 01:21:12.33 00:38:30.86 00:04:03.26 00:02:23.47
23 8388608南143:16:09.94 38:42:51.42 03:33:30.53 02:00:49.37 05:11:44.45 02:33:14.60 00:15:46.26 00:08:03.76
24 16777216南南南14:39:11.99 07:13:47.12 20:43:03.80 09:48:43.42 01:00:24.06 00:29:07.84
南17729800 09:16:12.00南南15:31:31.75 07:18:42.54 23:09:22.43 10:54:08.64 01:07:35.39 00:32:51.55
25 33554432南南南56:03:46.81 26:27:41.29 83:29:21.06 39:17:43.82 03:59:32.79 01:54:56.52
26 67108864南南南211:17:37.60 106:40:17.17 328:58:04.68 157:18:30.50 15:42:15.94 07:18:52.91
南100000000 291:07:12.00南南南234:51:35.39南南35:03:44.61 16:22:40.81
27 134217728南南南南南南南64:41:55.09 29:13:48.12

硬體資源

GPU-STOMP：這些結果來自原始 Matrix Profile II 論文 - NVIDIA Tesla K80（包含 2 個 GPU），並作為效能基準進行比較。

STUMP.2：stumpy.stump 總共使用 2 個 CPU 執行 - 2 個 Intel(R) Xeon(R) CPU E5-2650 v4 @ 2.20GHz 處理器，在沒有 Dask 的單一伺服器上與 Numba 並行。

STUMP.16：stumpy.stump 總共使用 16 個 CPU 執行 - 16 個 Intel(R) Xeon(R) CPU E5-2650 v4 @ 2.20GHz 處理器，在沒有 Dask 的單一伺服器上與 Numba 並行。

STUMPED.128：stumpy.stumped 總共使用 128 個 CPU 執行 - 8 個 Intel(R) Xeon(R) CPU E5-2650 v4 @ 2.20GHz 處理器 x 16 個伺服器，與 Numba 並行，並使用 Dask Distributed 進行分發。

STUMPED.256：stumpy.stumped 總共使用 256 個 CPU 執行 - 8 個 Intel(R) Xeon(R) CPU E5-2650 v4 @ 2.20GHz 處理器 x 32 個伺服器，與 Numba 並行，並使用 Dask Distributed 進行分發。

GPU-STUMP.1：stumpy.gpu_stump 使用 1x NVIDIA GeForce GTX 1080 Ti GPU 執行，每塊 512 個線程，200W 功率限制，使用 Numba 編譯為 CUDA，並使用 Python 多處理並行化

GPU-STUMP.2：stumpy.gpu_stump 使用 2 個 NVIDIA GeForce GTX 1080 Ti GPU 執行，每塊 512 個線程，200W 功率限制，使用 Numba 編譯為 CUDA，並使用 Python 多處理並行化

GPU-STUMP.DGX1：stumpy.gpu_stump 使用 8x NVIDIA Tesla V100 執行，每塊 512 個線程，使用 Numba 編譯為 CUDA，並使用 Python 多處理並行化

GPU-STUMP.DGX2：stumpy.gpu_stump 使用 16x NVIDIA Tesla V100 執行，每塊 512 個線程，使用 Numba 編譯為 CUDA，並使用 Python 多處理並行化

運行測試

測試編寫在tests目錄中並使用 PyTest 進行處理，並且需要coverage.py進行程式碼覆蓋率分析。可以透過以下方式執行測試： 

./test.sh

Python版本

STUMPY 支援 Python 3.9+，由於使用 unicode 變數名稱/標識符，與 Python 2.x 不相容。鑑於依賴性較小，STUMPY 可能可以在舊版本的 Python 上運行，但這超出了我們的支援範圍，我們強烈建議您升級到最新版本的 Python。

尋求協助

首先，請檢查 Github 上的討論和問題，看看您的問題是否已經得到解答。如果沒有可用的解決方案，請隨時提出新的討論或問題，作者將嘗試以合理及時的方式回應。

貢獻

我們歡迎任何形式的貢獻！始終歡迎文件方面的幫助，特別是擴展教程。要做出貢獻，請分叉該項目，進行更改並提交拉取請求。我們將盡力與您解決任何問題，並將您的程式碼合併到主分支中。

引用

如果您已在科學出版物中使用此程式碼庫並希望引用它，請使用開源軟體雜誌文章。

SM 法，（2019）。 STUMPY：用於時間序列資料探勘的強大且可擴展的 Python 函式庫。開源軟體雜誌，4(39), 1504。 
 @article { law2019stumpy ,
  author  = { Law, Sean M. } ,
  title   = { {STUMPY: A Powerful and Scalable Python Library for Time Series Data Mining} } ,
  journal = { {The Journal of Open Source Software} } ,
  volume  = { 4 } ,
  number  = { 39 } ,
  pages   = { 1504 } ,
  year    = { 2019 }
}

參考

是的，Chin-Chia Michael 等人。 (2016) 矩陣設定檔 I：時間序列的所有對相似性連接：包括 Motifs、Discords 和 Shapelet 的統一視圖。 ICDM：1317-1322。關聯

朱彥等人。 (2016) Matrix Profile II：利用新穎的演算法和 GPU 突破時間序列主題和連結的一億個障礙。 ICDM：739-748。關聯

是的，Chin-Chia Michael 等人。 (2017) 矩陣剖面 VI：有意義的多維主題發現。 ICDM：565-574。關聯

朱彥等人。 (2017) 矩陣簡介 VII：時間序列鏈：時間序列資料探勘的新原語。 ICDM：695-704。關聯

加爾加比、沙加耶格等人。 (2017) 矩陣簡介 VIII：超人表現水準的領域不可知線上語意分割。 ICDM：117-126。關聯

朱彥等人。 (2017) 利用新穎的演算法和 GPU 打破時間序列主題和連結的 10 個千萬億的成對比較障礙。凱斯：203-236。關聯

朱彥等人。 (2018) 矩陣概要 XI：SCRIMP++：互動速度的時間序列基序發現。 ICDM：837-846。關聯

是的，Chin-Chia Michael 等人。 (2018) 時間序列連結、主題、不和諧與 Shapelet：利用矩陣輪廓的統一視圖。資料最小知識光碟：83-123。關聯

加爾加比、沙加耶格等人。 (2018)“矩陣概要 XII：MPdist：一種新穎的時間序列距離測量，可在更具挑戰性的場景中進行資料探勘。” ICDM：965-970。關聯

齊默曼、札卡里等人。 (2019) Matrix Profile XIV：使用 GPU 擴展時間序列基序發現，每天突破數十億次配對比較。 SoCC '19:74-86。關聯

阿克巴里尼亞、禮薩和貝特蘭德·克洛茲。 (2019) 使用不同距離函數的高效率矩陣輪廓計算。 arXiv：1901.05708。關聯

卡姆加爾、卡維等人。 (2019) 矩陣剖面 XV：利用時間序列共識模式來找出時間序列集中的結構。 ICDM：1156-1161。關聯

許可證和商標

矮墩墩
版權所有 2019 德美利證券。根據 3-Clause BSD 許可證的條款發布。
STUMPY 是 TD Ameritrade IP Company, Inc. 的商標。
展開
附加信息
相關應用
爲您推薦
相關資訊 全部