Machine learningTime-series monitoring

Atklāšana izmaiņu punktos (PELT)

Atklāšana izmaiņu punktos identificē laika punktus, kuros secības statistiskās īpašības — piemēram, vidējo vērtību, dispersiju vai sadalījumu — strauji mainās. Pruned Exact Linear Time (PELT) algoritms, ko ieviesa Killick, Fearnhead un Eckley (2012), precīzi atrisina penalizētās segmentācijas problēmu, vienlaikus sasniedzot lineāru paredzamo aprēķina izmaksu, padarot to praktisku garām laika rindām, kas sastopamas genoms, finansēs, klimatoloģijā un signālu apstrādē.

Pielietot ar StatMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

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

Avoti

  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

Kā citēt šo lapu

ScholarGate. (2026, June 2). Change-Point Detection (PELT). ScholarGate. https://scholargate.app/lv/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)). Izgūts 2026-06-15 no https://scholargate.app/lv/statistics/change-point-detection · Datu kopa: https://doi.org/10.5281/zenodo.20539026