====== STUMPY

STUMPY एक शक्तिशाली और स्केलेबल Python लाइब्रेरी है जो कुशलतापूर्वक matrix profile <https://stumpy.readthedocs.io/en/latest/Tutorial_The_Matrix_Profile.html>__ नामक चीज़ की गणना करती है, जो केवल यह कहने का एक अकादमिक तरीका है "आपकी टाइम सीरीज़ के भीतर प्रत्येक (हरे) उप-अनुक्रम के लिए, स्वचालित रूप से उसके संबंधित निकटतम-पड़ोसी (ग्रे) की पहचान करें":

.. image:: https://github.com/stumpy-dev/stumpy/blob/main/docs/images/stumpy_demo.gif?raw=true :alt: STUMPY Animated GIF

महत्वपूर्ण बात यह है कि एक बार जब आप अपने matrix profile (ऊपर मध्य पैनल) की गणना कर लेते हैं, तो इसका उपयोग विभिन्न टाइम सीरीज़ डेटा माइनिंग कार्यों के लिए किया जा सकता है, जैसे:

पैटर्न/मोटिफ (लंबी टाइम सीरीज़ के भीतर लगभग दोहराए जाने वाले उप-अनुक्रम) खोज
विसंगति/नवीनता (डिस्कॉर्ड) खोज
शेपलेट खोज
सिमेंटिक सेगमेंटेशन
स्ट्रीमिंग (ऑन-लाइन) डेटा
तेज़ अनुमानित मैट्रिक्स प्रोफ़ाइल
टाइम सीरीज़ चेन (उप-अनुक्रम पैटर्न का अस्थायी रूप से क्रमबद्ध सेट)
लंबी टाइम सीरीज़ का सारांश प्रस्तुत करने के लिए स्निपेट
सर्वोत्तम उप-अनुक्रम विंडो आकार(ों) का चयन करने के लिए पैन मैट्रिक्स प्रोफ़ाइल
और भी ... <https://www.cs.ucr.edu/~eamonn/100_Time_Series_Data_Mining_Questions__with_Answers.pdf>__

चाहे आप एक अकादमिक, डेटा वैज्ञानिक, सॉफ्टवेयर डेवलपर या टाइम सीरीज़ उत्साही हों, STUMPY को स्थापित करना सीधा है और हमारा लक्ष्य आपको आपकी टाइम सीरीज़ अंतर्दृष्टि तक तेज़ी से पहुंचाना है। अधिक जानकारी के लिए दस्तावेज़ <https://stumpy.readthedocs.io/en/latest/>__ देखें।

STUMPY का उपयोग कैसे करें

कृपया उपलब्ध फ़ंक्शनों की पूरी सूची के लिए हमारा API दस्तावेज़ <https://stumpy.readthedocs.io/en/latest/api.html>__ देखें और अधिक व्यापक उदाहरण उपयोग मामलों के लिए हमारे जानकारीपूर्ण ट्यूटोरियल <https://stumpy.readthedocs.io/en/latest/tutorials.html>__ देखें। नीचे, आपको कोड स्निपेट मिलेंगे जो शीघ्रता से दर्शाते हैं कि STUMPY का उपयोग कैसे करें।

STUMP <https://stumpy.readthedocs.io/en/latest/api.html#stumpy.stump>__ के साथ विशिष्ट उपयोग (1-आयामी टाइम सीरीज़ डेटा):

.. code:: python

import stumpy
import numpy as np

if __name__ == "__main__":
    your_time_series = np.random.rand(10000)
    window_size = 50  # Approximately, how many data points might be found in a pattern 

    matrix_profile = stumpy.stump(your_time_series, m=window_size)

Dask Distributed के माध्यम से STUMPED <https://stumpy.readthedocs.io/en/latest/api.html#stumpy.stumped>__ के साथ 1-आयामी टाइम सीरीज़ डेटा के लिए वितरित उपयोग:

.. code:: python

import stumpy
import numpy as np
from dask.distributed import Client

if __name__ == "__main__":
    with Client() as dask_client:
        your_time_series = np.random.rand(10000)
        window_size = 50  # Approximately, how many data points might be found in a pattern 

        matrix_profile = stumpy.stumped(dask_client, your_time_series, m=window_size)

GPU-STUMP <https://stumpy.readthedocs.io/en/latest/api.html#stumpy.gpu_stump>__ के साथ 1-आयामी टाइम सीरीज़ डेटा के लिए GPU उपयोग:

.. code:: python

import stumpy
import numpy as np
from numba import cuda

if __name__ == "__main__":
    your_time_series = np.random.rand(10000)
    window_size = 50  # Approximately, how many data points might be found in a pattern
    all_gpu_devices = [device.id for device in cuda.list_devices()]  # Get a list of all available GPU devices

    matrix_profile = stumpy.gpu_stump(your_time_series, m=window_size, device_id=all_gpu_devices)

MSTUMP <https://stumpy.readthedocs.io/en/latest/api.html#stumpy.mstump>__ के साथ बहु-आयामी टाइम सीरीज़ डेटा:

.. code:: python

import stumpy
import numpy as np

if __name__ == "__main__":
    your_time_series = np.random.rand(3, 1000)  # Each row represents data from a different dimension while each column represents data from the same dimension
    window_size = 50  # Approximately, how many data points might be found in a pattern

    matrix_profile, matrix_profile_indices = stumpy.mstump(your_time_series, m=window_size)

Dask Distributed MSTUMPED <https://stumpy.readthedocs.io/en/latest/api.html#stumpy.mstumped>__ के साथ वितरित बहु-आयामी टाइम सीरीज़ डेटा विश्लेषण:

.. code:: python

import stumpy
import numpy as np
from dask.distributed import Client

if __name__ == "__main__":
    with Client() as dask_client:
        your_time_series = np.random.rand(3, 1000)   # Each row represents data from a different dimension while each column represents data from the same dimension
        window_size = 50  # Approximately, how many data points might be found in a pattern

        matrix_profile, matrix_profile_indices = stumpy.mstumped(dask_client, your_time_series, m=window_size)

Anchored Time Series Chains (ATSC) <https://stumpy.readthedocs.io/en/latest/api.html#stumpy.atsc>__ के साथ टाइम सीरीज़ चेन:

.. code:: python

import stumpy
import numpy as np

if __name__ == "__main__":
    your_time_series = np.random.rand(10000)
    window_size = 50  # Approximately, how many data points might be found in a pattern 
    
    matrix_profile = stumpy.stump(your_time_series, m=window_size)

    left_matrix_profile_index = matrix_profile[:, 2]
    right_matrix_profile_index = matrix_profile[:, 3]
    idx = 10  # Subsequence index for which to retrieve the anchored time series chain for

    anchored_chain = stumpy.atsc(left_matrix_profile_index, right_matrix_profile_index, idx)

    all_chain_set, longest_unanchored_chain = stumpy.allc(left_matrix_profile_index, right_matrix_profile_index)

stumpy

सबसे लोकप्रिय

====== STUMPY

STUMPY का उपयोग कैसे करें