apriori

043fd98d · Kamil Jurek · be2f7052 · 043fd98d · 043fd98d · 043fd98d
Commit 043fd98d authored 7 years ago by Kamil Jurek
Expand all Hide whitespace changes
Inline Side-by-side

Showing

with 2278 additions and 299 deletions
+2278 -299
--- a/.idea/workspace.xml
+++ b/.idea/workspace.xml
--- a/configs/numerical_1
+++ b/configs/numerical_1
 attr = 'attr_1';value=4;domain = [1,2,3,4]; from = -800; to = -500; probability = 0.90
-attr = 'attr_1';value=2;domain = [1,2,3,4]; from = -500; to = -300; probability = 0.80
+attr = 'attr_1';value=2;domain = [1,2,3,4]; from = -500; to = -300; probability = 0.85
 attr = 'attr_1';value=3;domain = [1,2,3,4]; from = -300; to = 0; probability = 0.85
+attr = 'attr_2';value=2;domain = [1,2,3,4]; from = -600; to = -400; probability = 0.90
+attr = 'attr_2';value=1;domain = [1,2,3,4]; from = -400; to = -200; probability = 0.85
+attr = 'attr_2';value=3;domain = [1,2,3,4]; from = -200; to = 0; probability = 0.85
 attr = 'attr_3';value=4;domain = [1,2,3,4]; probability = 0.01
--- a/detectors/detector.py
+++ b/detectors/detector.py
@@ -7,6 +7,8 @@ class ChangeDetector(object):
        self.is_change_detected = False
        self.sequence_size = 0
        self.sequence = []
+        self.current_value = 0
+        self.previous_value = 0

    def update(self, new_value):
        self.sequence.append(new_value)
@@ -30,29 +32,39 @@ class ChangeDetector(object):
        return self.get_parameters()

 class OnlineSimulator(object):
-    def __init__(self, change_detector, sequence):
-        self.sequence = sequence
-        self.change_detector = change_detector
-        self.sequence_size = len(sequence)
-        self.detected_change_points = []
+    def __init__(self, change_detectors, sequences, seqs_names):
+        #self.sequence = sequence
+        self.sequences = sequences
+        self.sequences_names = seqs_names
+        #self.change_detector = change_detector
+        self.change_detectors = change_detectors
+        self.sequence_size = len(sequences[0])
+        self.detected_change_points = [[] for i in range(len(self.sequences))]
+        self.parameters_history = [defaultdict(list) for i in range(len(self.sequences))]

    def get_detected_changes(self):
        return self.detected_change_points

    def run(self, plot=True, **kwargs):
-        sequence = self.sequence
-        detector = self.change_detector
-
-        parameters_history = defaultdict(list)
-
-        for i, value in enumerate(sequence):
-            res = detector.step(value)
-
-            for k, v in res.items():
-                parameters_history[k].append(v)
-
-            if detector.is_change_detected is True:
-                self.detected_change_points.append(i)
+        parameters_history = []
+        p = defaultdict(list)
+        for i in range(0, self.sequence_size):
+            for j, seq in enumerate(self.sequences):
+                detector = self.change_detectors[j]
+                value = seq[i]
+                res = detector.step(value)
+
+                for k, v in res.items():
+                    p[k].append(v)
+
+                if i == self.sequence_size-1:
+                    parameters_history.append(p)
+                    print(parameters_history)
+
+                if detector.is_change_detected is True:
+                    change_point = ChangePoint(detector.previous_value, detector.current_value, i)
+                    self.detected_change_points[j].append(change_point)
+                    print(self.sequences_names[j], "changed from:", change_point.from_, "to:", change_point.to_, "at: ", change_point.at_)

        def dict_to_arrays(ddict):
            new_dict = {}
@@ -60,8 +72,32 @@ class OnlineSimulator(object):
                new_dict[k] = np.array(v)
            return new_dict

-        parameters_history = dict_to_arrays(parameters_history)
-        self.parameters_history = parameters_history
+        for i in range(0, len(self.sequences)):
+            parameters_history[i] = dict_to_arrays(parameters_history[i])
+            self.parameters_history[i] = parameters_history[i]
+
+        #sequence = self.sequence
+        #detector = self.change_detector
+
+        # parameters_history = defaultdict(list)
+        #
+        # for i, value in enumerate(sequence):
+        #     res = detector.step(value)
+        #
+        #     for k, v in res.items():
+        #         parameters_history[k].append(v)
+        #
+        #     if detector.is_change_detected is True:
+        #         self.detected_change_points.append(i)
+        #
+        # def dict_to_arrays(ddict):
+        #     new_dict = {}
+        #     for k, v in ddict.items():
+        #         new_dict[k] = np.array(v)
+        #     return new_dict
+        #
+        # parameters_history = dict_to_arrays(parameters_history)
+        # self.parameters_history = parameters_history

        if plot is True:
            self.display_results(**kwargs)
@@ -69,50 +105,55 @@ class OnlineSimulator(object):
        return detector.is_change_detected

    def display_results(self, sequence_name='Sequence', **kwargs):
-        sequence = self.sequence
-        detector = self.change_detector
-        parameters_history = self.parameters_history
-
-        plotcount = 1 + len(parameters_history)
-        fig, axes = plt.subplots(nrows=plotcount, ncols=1, sharex=True,
-                                 figsize=(12, plotcount*3))
-
-        # Plot the sequence
-        if plotcount > 1:
-            ax = axes[0]
-        elif plotcount == 1:
-            ax = axes
-
-        ax.plot(sequence, 'b.')
-        ax.plot(sequence, 'b-', alpha=0.25)
-
-        ax.set_title(sequence_name)
-
-        ax.set_ylim(
-            np.nanmin(sequence)*.5,
-            np.nanmax(sequence)*1.5)
-        ax.set_xlim(0, len(sequence))
-        xl = ax.get_xticks()
-        ticks = xl - int(2/3 * len(sequence))
-
-        ax.set_xticklabels(ticks)
-
-        # Plot a horizontal line where the change_point is detected
-        for s in self.detected_change_points:
-            ax.vlines(x=s, ymin=0, ymax=ax.get_ylim()[1],
-                  colors='r', linestyles='dotted')
-
-        # Plot each parameter
-        for ii, (res_name, res_values) in enumerate(parameters_history.items()):
-            ax = axes[ii+1]
-            ax.plot(res_values, 'g.', alpha=0.7)
-            ax.set_title("Parameter #{}: {}".format(ii+1, res_name))
-
-            # ax.set_ylim(
-            #     np.nanmin(res_values)*0.5,
-            #     np.nanmax(res_values)*1.5)
-            for p in self.detected_change_points:
-                ax.vlines(x=p, ymin=0, ymax=ax.get_ylim()[1],
+        for i in range(0, len(self.sequences)):
+            sequence = self.sequences[i]
+            detector = self.change_detectors[i]
+            parameters_history = self.parameters_history[i]
+            detected_change_points = self.detected_change_points[i]
+
+            plotcount = 1 + len(parameters_history)
+            fig, axes = plt.subplots(nrows=plotcount, ncols=1, sharex=True,
+                                     figsize=(12, plotcount*3))
+
+            # Plot the sequence
+            if plotcount > 1:
+                ax = axes[0]
+            elif plotcount == 1:
+                ax = axes
+
+            ax.plot(sequence, 'b.')
+            ax.plot(sequence, 'b-', alpha=0.25)
+
+            ax.set_title(sequence_name)
+
+            ax.set_ylim(
+                np.nanmin(sequence)*.5,
+                np.nanmax(sequence)*1.5)
+            ax.set_xlim(0, len(sequence))
+            xl = ax.get_xticks()
+            ticks = xl - int(2/3 * len(sequence))
+
+            ax.set_xticklabels(ticks)
+
+            # Plot a horizontal line where the change_point is detected
+            for change_point in detected_change_points:
+                ax.vlines(x=change_point.at_, ymin=0, ymax=ax.get_ylim()[1],
                      colors='r', linestyles='dotted')

+            # Plot each parameter
+            for ii, (res_name, res_values) in enumerate(parameters_history.items()):
+                ax = axes[ii+1]
+                ax.plot(res_values, 'g.', alpha=0.7)
+                ax.set_title("Parameter #{}: {}".format(ii+1, res_name))
+
+                for change_poin in detected_change_points:
+                    ax.vlines(x=change_poin.at_, ymin=0, ymax=ax.get_ylim()[1],
+                          colors='r', linestyles='dotted')
+
        plt.show()
+
+class ChangePoint(object):
+    def __init__(self, from_, to_, at_):
+        self.from_ = from_
+        self.to_ = to_
+        self.at_ = at_
\ No newline at end of file
--- a/detectors/page_hinkley_detector.py
+++ b/detectors/page_hinkley_detector.py
 import numpy as np
 import scipy as sp
 from scipy import signal
+from statistics import mode
 from detector import ChangeDetector

 class PageHinkleyDetector(ChangeDetector):
@@ -13,10 +14,12 @@ class PageHinkleyDetector(ChangeDetector):
        self.mean_ = 0
        self.sum_ = 0
        self.n = 0
+        self.subseq = []
        self.is_change_detected = False

    def update(self, new_value):
        super(PageHinkleyDetector, self).update(new_value)
+        self.subseq.append(new_value)
        self.n += 1
        self.mean_ = self.mean_ + (new_value - self.mean_) / self.n
        self.sum_ = self.sum_ * self.alpha + new_value - self.mean_ - self.delta
@@ -24,10 +27,13 @@ class PageHinkleyDetector(ChangeDetector):
    def check_change(self, new_value):
        self.is_change_detected = False
        if np.abs(self.sum_) > self.lambd:
+            self.previous_value = mode(self.subseq)
+            self.current_value = mode(self.subseq[-9:])
            self.is_change_detected = True
            self.reset()

    def reset(self):
        self.n = 0
+        self.subseq = []
        self.mean_ = 0
        self.sum_ = 0
\ No newline at end of file
--- a/plots/plot_seque.png
+++ b/plots/plot_seque.png
--- a/rules_mining/apriori.py
+++ b/rules_mining/apriori.py
+import numpy as np
+
+def loadDataSet():
+    return [[1, 1, 3, 4],
+            [2, 3, 5, 1],
+            [1, 1, 2, 3, 5],
+            [2, 5]]
+
+
+def createC1(dataSet):
+    C1 = []
+    for transaction in dataSet:
+        for item in transaction:
+            if not [item] in C1:
+                C1.append([item])
+
+    #C1.sort()
+    #return list(map(frozenset, C1))
+    return C1
+
+def contains(small, big):
+    for i in range(len(big)-len(small)+1):
+        for j in range(len(small)):
+            if big[i+j] != small[j]:
+                break
+        else:
+            return i, i+len(small)
+    return False
+
+print(contains([1,3,4], [1, 3, 4]))
+
+
+def scanD(D, Ck, minSupport):
+    ssCnt = {}
+    for tid in D:
+        for can in Ck:
+            if contains(can, tid):
+                #print(can)
+                if not tuple(can) in ssCnt:
+                    ssCnt[tuple(can)] = 1
+                else:
+                    ssCnt[tuple(can)] += 1
+    numItems = float(len(D))
+    retList = []
+    supportData = {}
+    for key in ssCnt:
+        support = ssCnt[key]/numItems
+        if support >= minSupport:
+            retList.append(key)
+        supportData[key] = support
+    return retList, supportData
+
+dataSet = loadDataSet()
+# print(dataSet)
+#
+C1 = createC1(dataSet)
+# print(C1)
+#
+D = dataSet
+#print(D)
+#
+L1,suppDat0 = scanD(D,C1,0.5)
+print(L1)
+
+def aprioriGen(Lk, k): #creates Ck
+    retList = []
+    lenLk = len(Lk)
+    #print("Lk:", Lk)
+    for i in range(lenLk):
+        for j in range(lenLk):
+            # L1 = list(Lk[i])[:k-2]
+            # L2 = list(Lk[j])[:k-2]
+            # print(L1)
+            # print(L2)
+            # #L1.sort()
+            # #L2.sort()
+            # if L1==L2: #if first k-2 elements are equal
+            retList.append(Lk[i] + Lk[j]) #set union
+            #print(retList)
+    return retList
+
+def apriori(dataSet, minSupport = 0.5):
+    C1 = createC1(dataSet)
+    D = dataSet
+    L1, supportData = scanD(D, C1, minSupport)
+    L = [L1]
+    k = 2
+    while (len(L[k-2]) > 0):
+        Ck = aprioriGen(L[k-2], k)
+        print("Cl:",Ck)
+        Lk, supK = scanD(D, Ck, minSupport)#scan DB to get Lk
+        print("Lk:",Lk)
+        supportData.update(supK)
+        L.append(Lk)
+        k += 1
+    return L, supportData
+
+L,suppData = apriori(dataSet)
+print(L)
+print(suppData)
+
+def generateRules(L, supportData, minConf=0.7):  #supportData is a dict coming from scanD
+    bigRuleList = []
+    for i in range(1, len(L)):#only get the sets with two or more items
+        for freqSet in L[i]:
+            H1 = [frozenset([item]) for item in freqSet]
+            if (i > 1):
+                rulesFromConseq(freqSet, H1, supportData, bigRuleList, minConf)
+            else:
+                calcConf(freqSet, H1, supportData, bigRuleList, minConf)
+    return bigRuleList
+
+def calcConf(freqSet, H, supportData, brl, minConf=0.7):
+    prunedH = [] #create new list to return
+    for conseq in H:
+        conf = supportData[freqSet]/supportData[freqSet-conseq] #calc confidence
+        if conf >= minConf:
+            print (freqSet-conseq,'-->',conseq,'conf:',conf)
+            brl.append((freqSet-conseq, conseq, conf))
+            prunedH.append(conseq)
+    return prunedH
+
+def rulesFromConseq(freqSet, H, supportData, brl, minConf=0.7):
+    m = len(H[0])
+    if (len(freqSet) > (m + 1)): #try further merging
+        Hmp1 = aprioriGen(H, m+1)#create Hm+1 new candidates
+        Hmp1 = calcConf(freqSet, Hmp1, supportData, brl, minConf)
+        if (len(Hmp1) > 1):    #need at least two sets to merge
+            rulesFromConseq(freqSet, Hmp1, supportData, brl, minConf)
+
+#L, suppData = apriori(dataSet, minSupport=0.5)
+#rules= generateRules(L,suppData, minConf=0.7)
\ No newline at end of file
--- a/rules_mining/test_rule_miner.py
+++ b/rules_mining/test_rule_miner.py
@@ -2,9 +2,9 @@ from rules_miner import RulesMiner


 sequences = [
-        #[2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5],
+        [2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5],
        #[2, 2, 2, 3, 3, 3, 2, 2, 2, 4, 4, 4, 5, 5, 5, 5]
-        ['a','b','c','d','e','f']
+        #['a','b','c','d','e','f']
    ]

 max_window_size = 8

--- a/sequences/sequence_2018_03_24-13.19.49.csv
+++ b/sequences/sequence_2018_03_24-13.19.49.csv
+attr_1,attr_2,attr_3
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+1,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+2,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+1,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+2,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+1,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+2,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+2,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+1,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+2,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+2,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+3,1,1
+4,1,1
+4,1,1
+1,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+3,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+1,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+3,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,1,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+1,2,1
+3,2,1
+4,2,1
+1,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+1,2,1
+3,2,1
+4,2,1
+4,2,1
+4,2,1
+4,3,1
+4,2,1
+4,1,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+1,2,1
+4,2,1
+4,2,1
+4,2,1
+1,2,1
+4,4,1
+4,2,1
+4,1,1
+2,2,1
+4,2,1
+4,2,1
+4,1,1
+4,2,1
+4,2,1
+1,2,1
+4,2,1
+4,2,1
+4,2,1
+1,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,4,1
+4,2,1
+4,4,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+4,2,1
+2,1,1
+3,2,1
+2,2,1
+1,2,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+3,2,1
+2,2,1
+3,2,1
+2,2,1
+2,2,1
+2,2,1
+3,2,1
+2,2,1
+2,4,1
+2,2,1
+2,2,1
+3,2,1
+2,2,1
+2,2,1
+2,2,1
+3,2,1
+2,2,1
+1,2,1
+2,2,1
+2,2,1
+2,1,1
+2,4,1
+2,2,1
+2,2,1
+2,1,1
+2,3,1
+1,2,1
+2,2,1
+2,2,1
+2,2,1
+2,4,1
+2,2,1
+2,2,1
+2,2,1
+2,1,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+2,4,1
+2,4,1
+2,2,1
+2,2,1
+2,3,1
+2,2,1
+2,1,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+3,2,1
+2,2,1
+2,2,1
+3,2,1
+2,2,1
+2,3,1
+2,2,1
+3,2,1
+2,2,1
+1,2,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+2,1,1
+2,2,1
+3,2,1
+1,2,1
+2,2,1
+2,1,1
+1,2,1
+2,2,1
+4,2,1
+2,2,1
+2,2,1
+2,2,1
+2,2,1
+1,2,1
+4,2,1
+2,2,1
+2,4,1
+1,2,1
+2,2,1
+2,1,1
+2,1,1
+2,3,1
+2,1,1
+2,1,1
+3,1,1
+2,1,1
+2,1,1
+2,1,1
+2,2,1
+2,3,1
+1,1,1
+2,1,1
+2,2,1
+4,1,1
+2,1,1
+2,1,1
+2,1,1
+4,1,1
+2,1,1
+3,1,1
+2,1,1
+4,1,1
+2,1,1
+3,1,1
+2,1,1
+2,1,1
+1,2,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+1,2,1
+2,1,1
+3,1,1
+2,2,1
+2,1,1
+2,1,1
+2,4,1
+2,1,1
+2,1,1
+1,1,1
+2,1,1
+2,1,1
+2,1,1
+2,4,1
+2,1,1
+1,1,1
+2,1,1
+2,1,1
+2,1,1
+1,1,1
+3,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+3,1,1
+2,1,1
+2,1,1
+3,1,1
+2,1,1
+2,1,1
+1,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,4,1
+2,1,1
+2,4,1
+4,1,1
+2,1,1
+1,1,1
+2,1,1
+2,1,1
+1,2,1
+2,2,1
+2,4,1
+2,1,1
+2,1,1
+2,4,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+2,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+1,1,1
+3,2,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,4,1
+3,1,1
+3,1,1
+3,1,1
+3,2,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,2,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+4,3,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+4,3,1
+4,1,1
+2,1,1
+3,3,1
+3,1,1
+3,1,1
+3,1,1
+3,2,1
+3,3,1
+3,1,1
+3,1,1
+3,1,1
+3,3,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,3,1
+2,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,4,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,3,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,1,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,1,1
+3,3,1
+3,3,1
+3,3,1
+3,4,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,2,1
+3,3,1
+3,3,1
+3,4,1
+2,3,1
+3,3,1
+3,1,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,2,1
+3,3,1
+1,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,1,1
+1,3,1
+3,3,1
+3,4,1
+3,3,1
+3,3,1
+3,3,1
+4,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,1,1
+3,3,1
+3,3,1
+3,3,1
+3,4,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,4,1
+3,3,1
+3,3,1
+3,1,1
+3,3,1
+3,2,1
+3,3,1
+3,3,1
+3,3,1
+3,2,1
+3,3,1
+3,3,1
+4,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,1,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+4,3,1
+3,3,1
+4,3,1
+3,3,1
+3,3,1
+3,4,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+4,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+4,1,1
+4,3,1
+3,3,1
+3,1,1
+3,3,1
+3,3,1
+3,1,1
+3,3,1
+3,1,1
+3,3,1
+3,3,1
+4,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+2,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+3,4,1
+3,3,1
+3,3,1
+3,3,1
+1,2,1
+3,3,1
+3,1,1
+3,3,1
+2,3,1
+3,3,1
+3,3,1
+3,3,1
+3,3,1
+1,1,3
+1,1,1
+1,1,3
+1,1,1
+1,1,2
+1,1,1
+1,1,1
+1,1,3
+1,1,1
+1,1,2
+1,1,3
+1,1,1
+1,1,3
+1,1,1
+1,1,3
+1,1,1
+1,1,3
+1,1,1
+1,1,2
+1,1,1
+1,1,1
+1,1,3
+1,1,2
+1,1,3
+1,1,2
+1,1,3
+1,1,3
+1,1,1
+1,1,2
+1,1,1
+1,1,3
+1,1,1
+1,1,2
+1,1,1
+1,1,3
+1,1,3
+1,1,2
+1,1,1
+1,1,2
+1,1,2
+1,1,3
+1,1,2
+1,1,2
+1,1,2
+1,1,3
+1,1,3
+1,1,1
+1,1,3
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,3
+1,1,1
+1,1,2
+1,1,1
+1,1,1
+1,1,2
+1,1,2
+1,1,2
+1,1,3
+1,1,1
+1,1,2
+1,1,2
+1,1,3
+1,1,2
+1,1,3
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,2
+1,1,2
+1,1,1
+1,1,2
+1,1,1
+1,1,1
+1,1,3
+1,1,2
+1,1,1
+1,1,2
+1,1,3
+1,1,3
+1,1,3
+1,1,1
+1,1,1
+1,1,2
+1,1,2
+1,1,2
+1,1,1
+1,1,1
+1,1,2
+1,1,3
+1,1,1
+1,1,2
+1,1,1
+1,1,1
+1,1,2
+1,1,3
+1,1,3
+1,1,2
+1,1,2
+1,1,2
+1,1,2
+1,1,3
+1,1,1
+1,1,2
+1,1,3
+1,1,1
+1,1,3
+1,1,2
+1,1,3
+1,1,1
+1,1,2
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,3
+1,1,1
+1,1,3
+1,1,3
+1,1,1
+1,1,1
+1,1,2
+1,1,3
+1,1,3
+1,1,3
+1,1,3
+1,1,1
+1,1,1
+1,1,2
+1,1,3
+1,1,1
+1,1,3
+1,1,1
+1,1,1
+1,1,3
+1,1,1
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,3
+1,1,3
+1,1,1
+1,1,3
+1,1,2
+1,1,2
+1,1,2
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,2
+1,1,3
+1,1,1
+1,1,2
+1,1,2
+1,1,2
+1,1,1
+1,1,3
+1,1,3
+1,1,3
+1,1,2
+1,1,3
+1,1,2
+1,1,3
+1,1,2
+1,1,1
+1,1,3
+1,1,2
+1,1,3
+1,1,3
+1,1,2
+1,1,2
+1,1,3
+1,1,2
+1,1,3
+1,1,2
+1,1,2
+1,1,1
+1,1,1
+1,1,3
+1,1,1
+1,1,3
+1,1,3
+1,1,3
+1,1,1
+1,1,3
+1,1,2
+1,1,4
+1,1,3
+1,1,4
+1,1,3
+1,1,3
+1,1,4
+1,1,2
+1,1,1
+1,1,1
+1,1,3
+1,1,2
+1,1,2
+1,1,3
+1,1,1
+1,1,1
+1,1,3
+1,1,2
+1,1,3
+1,1,1
+1,1,2
+1,1,2
+1,1,1
+1,1,2
+1,1,3
+1,1,1
+1,1,3
+1,1,2
+1,1,2
+1,1,3
+1,1,4
+1,1,3
+1,1,3
+1,1,1
+1,1,1
+1,1,2
+1,1,1
+1,1,3
+1,1,2
+1,1,3
+1,1,2
+1,1,3
+1,1,1
+1,1,1
+1,1,2
+1,1,1
+1,1,1
+1,1,3
+1,1,1
+1,1,1
+1,1,3
+1,1,1
+1,1,3
+1,1,1
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,3
+1,1,3
+1,1,3
+1,1,3
+1,1,2
+1,1,3
+1,1,1
+1,1,3
+1,1,2
+1,1,1
+1,1,1
+1,1,3
+1,1,3
+1,1,2
+1,1,1
+1,1,3
+1,1,3
+1,1,3
+1,1,2
+1,1,3
+1,1,2
+1,1,3
+1,1,3
+1,1,3
+1,1,3
+1,1,2
+1,1,1
+1,1,2
+1,1,3
+1,1,3
+1,1,2
+1,1,1
+1,1,3
+1,1,1
+1,1,1
+1,1,3
+1,1,1
+1,1,2
+1,1,2
+1,1,2
+1,1,1
+1,1,2
+1,1,2
+1,1,3
+1,1,2
+1,1,1
+1,1,1
+1,1,2
+1,1,3
+1,1,2
+1,1,1
+1,1,2
+1,1,2
+1,1,2
+1,1,2
+1,1,3
+1,1,1
+1,1,2
+1,1,2
+1,1,2
+1,1,2
+1,1,3
+1,1,3
+1,1,3
+1,1,3
+1,1,3
+1,1,3
+1,1,3
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,2
+1,1,3
+1,1,2
+1,1,1
+1,1,3
+1,1,3
+1,1,3
+1,1,3
+1,1,3
+1,1,2
+1,1,2
+1,1,3
+1,1,1
+1,1,1
+1,1,1
+1,1,2
+1,1,1
+1,1,1
+1,1,3
+1,1,1
+1,1,2
+1,1,3
+1,1,1
+1,1,3
+1,1,2
+1,1,3
+1,1,2
+1,1,3
+1,1,3
+1,1,3
+1,1,2
+1,1,2
+1,1,3
+1,1,2
+1,1,1
+1,1,1
+1,1,1
+1,1,3
+1,1,3
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,3
+1,1,3
+1,1,2
+1,1,1
+1,1,3
+1,1,1
+1,1,3
+1,1,3
+1,1,1
+1,1,1
+1,1,1
+1,1,3
+1,1,1
+1,1,3
+1,1,3
+1,1,1
+1,1,1
+1,1,1
+1,1,3
+1,1,4
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,2
+1,1,3
+1,1,2
+1,1,2
+1,1,2
+1,1,1
+1,1,2
+1,1,1
+1,1,3
+1,1,2
+1,1,3
+1,1,3
+1,1,2
+1,1,3
+1,1,2
+1,1,3
+1,1,3
+1,1,1
+1,1,2
+1,1,3
+1,1,2
+1,1,1
+1,1,2
+1,1,2
+1,1,1
+1,1,1
+1,1,1
+1,1,3
+1,1,1
+1,1,3
+1,1,1
+1,1,3
+1,1,2
+1,1,1
+1,1,3
+1,1,1
+1,1,3
+1,1,2
+1,1,3
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,3
+1,1,2
+1,1,3
+1,1,3
+1,1,1
+1,1,1
+1,1,1
+1,1,1
+1,1,3
+1,1,3
+1,1,1
+1,1,1
+1,1,3
+1,1,1
+1,1,3
+1,1,3
+1,1,1
+1,1,2
+1,1,2
+1,1,1
+1,1,2
+1,1,2
+1,1,1
+1,1,2
+1,1,3
+1,1,1
+1,1,1
+1,1,3
+1,1,3
+1,1,2
+1,1,3
+1,1,2
+1,1,3
+1,1,1
+1,1,3
+1,1,3
+1,1,1
+1,1,2
+1,1,3
+1,1,1
+1,1,1
+1,1,1
+1,1,2
+1,1,2
+1,1,1
+1,1,2
+1,1,1
+1,1,1
+1,1,2
+1,1,3
+1,1,2
+1,1,1
+1,1,1
+1,1,1
+1,1,2
+1,1,3
+1,1,2
+1,1,1
+1,1,1
+1,1,3
+1,1,1
+1,1,2
+1,1,3
+1,1,1
+1,1,3
+1,1,2
+1,1,2
+1,1,1
+1,1,2
+1,1,3
+1,1,1
+1,1,3
+1,1,3
+1,1,1
+1,1,3
+1,1,1
+1,1,1
+1,1,2
+1,1,3
+1,1,2
+1,1,2
+1,1,2
+1,1,2
+1,1,2
+1,1,1
+1,1,3
+1,1,3
+1,1,2
+1,1,1
+1,1,2
+1,1,3
+1,1,3
+1,1,2
+1,1,2
+1,1,3
+1,1,1
+1,1,1
+1,1,1
+1,1,2
+1,1,2
+1,1,1
+1,1,3
+1,1,2
+1,1,2
+1,1,2
+1,1,1
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,3
+1,1,3
+1,1,2
+1,1,2
+1,1,3
+1,1,2
+1,1,2
+1,1,2
+1,1,2
+1,1,1
+1,1,3
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,1
+1,1,1
+1,1,2
+1,1,1
+1,1,3
+1,1,4
+1,1,1
+1,1,1
+1,1,3
+1,1,3
+1,1,2
+1,1,1
+1,1,1
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,1
+1,1,2
+1,1,2
+1,1,2
+1,1,2
+1,1,1
+1,1,2
+1,1,1
+1,1,1
+1,1,1
+1,1,2
+1,1,2
+1,1,1
+1,1,1
+1,1,3
+1,1,1
+1,1,3
+1,1,2
+1,1,3
+1,1,1
+1,1,2
+1,1,2
+1,1,2
+1,1,1
--- a/test_pagehinkley_detector.py
+++ b/test_pagehinkley_detector.py
@@ -10,8 +10,10 @@ from detector import OnlineSimulator
 from page_hinkley_detector import PageHinkleyDetector

 #Numerical data
-df = pd.read_csv('sequences/sequence_2017_11_28-18.07.57.csv')
-seq = np.array(df['attr_1'])
+#sequences/sequence_2017_11_28-18.07.57.csv
+df = pd.read_csv('sequences/sequence_2018_03_24-13.19.49.csv')
+seq1 = np.array(df['attr_1'])
+seq2 = np.array(df['attr_2'])

 # Symbolic data
 # df = pd.read_csv('sequences/sequence_2017_11_22-19.35.27.csv')
@@ -19,8 +21,9 @@ seq = np.array(df['attr_1'])
 # seq = en.encode(seq)
 # seq = [np.abs(np.mean(e)) for e in seq]

-detector = PageHinkleyDetector(delta=0.001, lambd=20, alpha=0.99)
-simulator = OnlineSimulator(detector, seq)
+detector1 = PageHinkleyDetector(delta=0.001, lambd=20, alpha=0.99)
+detector2 = PageHinkleyDetector(delta=0.001, lambd=20, alpha=0.99)
+simulator = OnlineSimulator([detector1, detector2], [seq1, seq2], ["attr_1", "attr_2"])
 simulator.run()

 actual_change_points = np.array([600, 800, 1000, 1300, 1500, 1800])