SBD算法详解与相关python代码

本文为原创，转载请注明出处，谢谢！

 

当涉及到延时状况，如kpi数据，在判断两两特征相关性的时候就不得不考虑SBD算法了。

经过SBD算法，咱们能够在不清楚延迟的状况下找到两组数据的相关性，如下来进行详细讲解。

 

SBD算法

       对于时间序列X(x1,x2,x3,…,xn)及时间序列Y(y1,y2,y3,…,yn)，两序列间的存在时延为s的关系，计算两条曲线类似度的SBD距离算法以下：

                  

                  NCC(X,Y)=

                  SBD(X,Y)=1-NCC(X,Y)

 

      其中，NCC为序列X,Y的标准化互相关系数，NCC的取值范围在-1到1之间，与皮尔森相关系数相似。 因此最终计算的SBD算法结果在0到2之间，越靠近0时，两组数据相关性越强。当SBD为0时，说明序列X,Y波动曲线一致，为同一序列。

 

      因为SBD算法计算的是距离，所以在计算距离前咱们须要进行Z-score归一化处理。

      细心的朋友能够发现，当延迟为0时，归一化后该算法中的ncc值至关于在计算皮尔森相关系数。

      SBD算法的缺点就是计算量大，在相似KPI场景数据量庞大的时候，SBD算法可能没法获得支撑。

      因此，我认为条件容许的状况下，咱们能够尽量地肯定好延迟s的数值而后再进行带入计算。

     

 

   好了，废话很少说，这里为你们分享下我写的算法函数：

#SBD距离算法
def calcSBDncc(x,y,s):
    assert len(x)==len(y)
    assert isinstance(s,int)
    length_ = len(x)
    pow_x = 0
    pow_y = 0
    for i in range(length_):
        pow_x += math.pow(x[i],2)
        pow_y += math.pow(y[i],2)
    dist_x =math.pow(pow_x,0.5)
    dist_y =math.pow(pow_y,0.5)
    dist_xy = dist_x*dist_y
    ccs = 0
    for j in range(length_-s):
         ccs +=  x[j+s]*y[j]
    ncc = ccs/dist_xy
    return ncc
def calcSBD(x,y,s=None):
    assert len(x)==len(y)
    if  s==None:
        length_ = len(x)
        ncc_list = []
        for s in range(length_-1):
            ncc_list.append(calcSBDncc(x,y,s))
        ncc = max(ncc_list)
        sbd = 1 - ncc
    else:
        ncc = calcSBDncc(x,y,s)
        sbd = 1 - ncc
    return sbd

 

 

第一次写原创，请多指教。若是有不明白的地方，欢迎有兴趣的朋友留言交流！