eis/eqpalg/feature_extraction/distribution.h

#pragma once
/**
 * @file dist.h
 * @brief 确定分布类型
 * 根据输入的数据特征确定分布类型
 * 并给出对应的置信区间
 * @author your name (you@domain.com)
 * @version 0.1
 * @date 2024-02-21
 *
 * Copyright: Baosight Co. Ltd.
 * DO NOT COPY/USE WITHOUT PERMISSION
 *
 */
#include <dlib/statistics.h>
#include <log4cplus/LOG.h>
#include <algorithm>
#include <boost/math/distributions/chi_squared.hpp>
#include <boost/math/distributions/normal.hpp>
#include <boost/math/distributions/skew_normal.hpp>
#include <boost/math/distributions/students_t.hpp>
#include <memory>
#include <tuple>
#include <vector>
#include "mix_cc/type/range.h"

namespace DAA {

using boost::math::quantile;
/**
 * @brief 分布验证和置信区间获取
 * 先根据Prob确定出错的最大可能性
 * 再根据最大可能性、数据分布区间，得到详细的数据作用范围
 * 根据数据的真实分布情况，重新调整参数，直到报警率小于目标数值
 * 目前只支持高斯分布类型的分布
 */
class Dist {
 public:
  enum class DistTypes {
    unknown,
    student_t,
    normal,
    skew_normal
  };
  constexpr static double test_prec = 0.01;

 protected:
  DistTypes dist_type_;
  bool valid_;
  dlib::running_stats<double> rs_;
  mix_cc::float_range_t legal_range_;
  std::string rule_id_;
  std::shared_ptr<boost::math::normal> normal_;
  std::shared_ptr<boost::math::students_t> students_t_;
  std::shared_ptr<boost::math::skew_normal> skew_normal_;
  std::unique_ptr<LOG> logger_;
  double predefied_prob_ = 0.975;

  double prob_ = 0.5;

 public:
  /**
   * @brief 构建分布检测
   */
  Dist(/* args */);

  /**
   * @brief Destroy the Dist object
   */
  ~Dist();

  /**
   * @brief 得到分布类型
   * @return DistTypes
   */
  DistTypes get_distribution_type() const;

  /**
   * @brief 设置置信概率
   * @param  prob             置信概率
   * @return int
   */
  int set_predefined_prob(double prob);

  /**
   * @brief Get the shifted prob object
   * @return double
   */
  double get_shifted_prob() const;

  /**
   * @brief
   * 测试合法数据的分布类型和理想的置信区局,该函数只会根据合法数据进行判断
   * @param  rs               dlib::running_stats
   * @param  tmp_data         My Param doc
   * @return int
   */
  int auto_test(dlib::running_stats<double> rs,
                const std::vector<double>& tmp_data);

  /**
   * @brief 分布是否具有合理类型
   * @return true
   * @return false
   */
  bool valid() const;

  /**
   * @brief 得到合法范围大小
   * @return mix_cc::float_range_t
   */
  mix_cc::float_range_t get_range() const;

 protected:
  /**
   * @brief 得到第一类错误的概率
   * @param  prob             置信概率
   * @param  tmp_data         用来验证的临时数据
   * @return double
   */
  double get_error_rate_type_1(const double& prob,
                               const std::vector<double>& tmp_data);
  /**
   * @brief 得到指定置信概率的区间
   * @param  prob             置信概率
   * @return mix_cc::float_range_t
   */
  mix_cc::float_range_t get_range(double prob);
};

}