stumpy-dev/stumpy

解决的问题

STUMPY 旨在高效地在时间序列数据中找到最近邻子序列。它允许用户在无需预先了解模式形状的情况下，自动识别长时序数据中最相似的模式（动机）或最不相似的模式（离群点/异常）。

工作原理

该库计算一个「矩阵轮廓」（matrix profile），这是一种数据结构，存储时间序列中每个子序列与其最近邻之间的距离。STUMPY 提供了多种实现方式，以应对不同规模的数据：

• 标准 CPU 执行：使用 stumpy.stump 进行单服务器处理。
• 分布式执行：通过 Dask Distributed 使用 stumpy.stumped 处理大规模数据集。
• GPU 加速：使用 stumpy.gpu_stump 实现高性能计算。
• 多维支持：使用 stumpy.mstump 同时分析多个时间序列维度。

适用人群

STUMPY 适用于需要执行时间序列数据挖掘任务（如动机发现、异常检测和语义分割）的学术研究人员、数据科学家和软件开发人员。

主要亮点

• 可扩展性：通过 Dask 支持 CPU、GPU 和分布式计算。
• 多功能性：能够处理一维和多维时间序列。
• 全面的工具集：包含时间序列链（ATSC）和语义分割（FLUSS）的专用函数。
• 高性能：利用 Numba JIT 编译实现高效执行。