変化点分析のためのPythonモジュール

時系列の変化点分析を実行するPythonモジュールを探しています。さまざまなアルゴリズムがありますが、それぞれのアルゴリズムを手動でロールすることなく、それらのいくつかの有効性を調査したいと思います。

理想的には、bcp（Bayesian Change Point）やRのstrucchangeパッケージのようないくつかのモジュールが欲しいです。

以下に施設がないことに驚いています。

• statsmodels.tsa：時系列統計分析ツール
• scikits.timeseries：scipyを拡張する時系列分析ツール
• scipy.signal：scipyの信号処理ツール

Pythonに変更点検出アルゴリズムを備えたモジュールはありますか？

PyPIでチェンジファインダーライブラリを試すことができます。説明には、ChangeFinderアルゴリズムに基づいたオンラインの変更検出ライブラリであることが記載されています

Michele Bassevilleの統計的変化点検出技術のPython実装も、この Githubリポジトリでチュートリアル形式で利用できます。

Pythonライブラリには、高度な統計パッケージを使用するためのギャップがまだあります。RPyモジュールを使用してみましたか？RPyを使用する場合、Rモジュールをロードできます。

RPyの簡単なチュートリアル：http: //www.sciprogblog.com/2012/08/using-r-from-within-python.html strucchange

Pythonパッケージrpy2のこの実装は私のために働いた：

import numpy as np
from rpy2.robjects.packages import importr
import rpy2.robjects as robjects

r = robjects.r #allows access to r object with r.

bcp = importr('bcp') #import bayesian change point package in python

values = bcp.bcp( r.c( r.rnorm(50) , r.rnorm(50,5,1), r.rnorm(50) ) ) #use bcp function on vector

posterior_means = np.array(values[5]).flatten()
posterior_probability = np.array(values[7]).flatten()

次に、元のベクトルに対して事後平均と事後確率をプロットできます。この例の詳細については、Rのbcp関数の例を参照してください。

また、数値（つまり、values [5]）を使用してハードインデックスを作成することは理想的ではありませんが、rxおよびrx2抽出プログラムを使用するのに苦労していました。だから、誰もがよりハッキングの少ない抽出方法について私を啓発できるなら、私は知りたいです！

「ruptures」という名前のPythonの変更点検出ライブラリに出会いました：https : //arxiv.org/abs/1801.00826

たぶんこれは役に立つかもしれません。

ChangeFinderライブラリを試してみましたが、次の方法でLinuxにインストールできます。

pip install changefinder

またBayesian_changepoint_detection GitHubのコードはここで見つけることができます：GitHubのコード