变化点检测佩尔特

Question

当使用PELT算法检测以下图片的变化点时，如何获得最优惩罚的值?它需要30的惩罚，数据集的长度为315个样本：

​

平均值和标准差如下：

​

​

对于第二个样本，需要对90个样本的惩罚范围为4到14 :红色标记指示分裂点。信号平均值为26.8，std偏差为7.9。

​

在此基础上，从断裂库中求出了计算pelt算法惩罚值的公式吗？

Answer 1

在实践中，最常见的刑罚选择是与转换点数成线性关系的选择。这类处罚的例子包括Akaike信息准则(AIC) (β = 2p)和Schwarz信息准则(SIC，也称为BIC) (β = p log n)。

您可以简单地使用pen = p * log(len(data))，p用于校准，data是一个数据值数组。

我的建议是通过设置不同的惩罚值来定义算法的灵敏度级别。

def calculate_penalty(data, sensitivity, cal=[6, 3, 1.5]):
    if sensitivity == "Low":
        return cal[0] * log(len(data))
    elif sensitivity == "Medium":
        return cal[1] * log(len(data))
    elif sensitivity == "High":
        return cal[2] * log(len(data))

有关详细解释和更复杂的处罚，请参阅这和这文章。