Calculate CFOF score on stream context with iSAX trees
Project description
Calcul CFOF via iSAX
Projet thèse Lucas
2017-2020
Pour commencer
Installation
Lancer pip install -r requirements.txt
ou python3 -m pip install -r requirements.txt
.
Le package tslearn
requière Cython
, numba
et llvmlite
(pip
téléchargera automatiquement ces packages).
Cependant pour Cython
, il est nécessaire d'avoir un compileur C (comme décrit sur ce site),
et le package llvmlite
n'a été, pour ce projet, testé qu'avec Python 3.7 et 3.8
que nous recommandons.
Sinon, l'utilisation de conda
simplifie l'installation (comme recommandé sur le site de tslearn), car ne nécessite pas
l'installation de compileur C et des packages Cython
et llvmlite
.
Utilisation
La documentation est disponible ici : https://pycfofisax.readthedocs.io/fr/main/
Remerciements
Développements des travaux de :
- CFOF: A Concentration Free Measure for Anomaly Detection, par Fabrizio Angiulli,
- iSAX: Indexing and Mining Terabyte Sized Time Series, par Jin Shieh et Eamonn Keogh,
- iSAX 2.0: Indexing and Mining One Billion Time Series, par Alessandro Camerra, Themis Palpanas, Jin Shieh et Eamonn Keogh.
- Scoring Message Stream Anomalies in Railway Communication Systems, par Lucas Foulon, Serge Fenet, Christophe Rigotti et Denis Jouvin
Utilisation du code de :
Utilisation des jeux de :
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
Built Distribution
Hashes for pyCFOFiSAX-0.1.0-py3-none-any.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | 10ef1b0f7c07b606cebfe6bb2a08db0c9a09f01183eb726217a1351649003a02 |
|
MD5 | 2c95c67d7b10495adf2822afc79d0f7f |
|
BLAKE2b-256 | 8a5737483831eeddf8c1049693edf64e311803d0a32078d022bb97334b6dec6d |