Machine learningTime-series monitoring

شناسایی نقاط تغییر (PELT)

شناسایی نقاط تغییر، نقاط زمانی را مشخص می‌کند که در آن‌ها ویژگی‌های آماری یک دنباله — مانند میانگین، واریانس یا توزیع — به طور ناگهانی تغییر می‌کند. الگوریتم زمان خطی دقیق هرس‌شده (PELT)، که توسط کیلیک، فیرنهد و اکلی (2012) معرفی شد، مسئله تقسیم‌بندی جریمه‌دار را به طور دقیق حل می‌کند و در عین حال به هزینه محاسباتی مورد انتظار خطی دست می‌یابد، که آن را برای سری‌های زمانی طولانی که در ژنومیک، مالی، اقلیم‌شناسی و پردازش سیگنال با آن‌ها مواجه می‌شویم، عملی می‌سازد.

به‌کارگیری با StatMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Killick, R., Fearnhead, P., & Eckley, I. A. (2012). Optimal detection of changepoints with a linear computational cost. Journal of the American Statistical Association, 107(500), 1590–1598. DOI: 10.1080/01621459.2012.737745

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 2). Change-Point Detection (PELT). ScholarGate. https://scholargate.app/fa/statistics/change-point-detection

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateChange-Point Detection (Change-Point Detection (PELT)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/statistics/change-point-detection · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026