IidSpikeEstimator Třída
Definice
Důležité
Některé informace platí pro předběžně vydaný produkt, který se může zásadně změnit, než ho výrobce nebo autor vydá. Microsoft neposkytuje žádné záruky, výslovné ani předpokládané, týkající se zde uváděných informací.
Na základě odhadu adaptivní hustoty jádra rozpoznáte špičku signálu u nezávislé identické časové řady (tj. i.d.).
public sealed class IidSpikeEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.TimeSeries.IidSpikeDetector>type IidSpikeEstimator = class
inherit TrivialEstimator<IidSpikeDetector>Public NotInheritable Class IidSpikeEstimator
Inherits TrivialEstimator(Of IidSpikeDetector)- Dědičnost
Poznámky
K vytvoření tohoto estimátoru použijte DetectIidSpike.
Vstupní a výstupní sloupce
Existuje pouze jeden vstupní sloupec. Vstupní sloupec musí obsahovat Single místo, kde Single hodnota označuje hodnotu v časovém razítku časové řady.
Vytvoří sloupec, který je vektorem se 3 prvky. Výstupní vektor postupně obsahuje úroveň upozornění (nenulová hodnota znamená bod změny), skóre a p-hodnotu.
Charakteristiky estimátoru
| Potřebuje tento estimátor podívat se na data, aby vytrénovala jeho parametry? | No |
| Datový typ vstupního sloupce | Single |
| Datový typ výstupního sloupce | Vektor 3 elementůDouble |
| Exportovatelné do ONNX | No |
Charakteristiky estimátoru
| Úloha strojového učení | Detekce anomálií |
| Vyžaduje se normalizace? | No |
| Vyžaduje se ukládání do mezipaměti? | No |
| Požadovaný NuGet kromě Microsoft.ML | Microsoft.ML.TimeSeries |
Podrobnosti trénovacího algoritmu
Tento trenér předpokládá, že datové body shromážděné v časových řadách se nezávisle vzorkují ze stejného rozdělení (nezávisle na rozdělení). Hodnota v aktuálním časovém razítku se tedy dá zobrazit jako hodnota při příštím časovém razítku v očekávaném časovém razítku. Pokud je pozorovaná hodnota v časovém razítku $t-1$ $p$, předpokládaná hodnota v $t$ časového razítka by byla také $p$.
Scorer anomálií
Jakmile se vypočítá nezpracované skóre v časovém razítku, předá se komponentě scoreru anomálií k výpočtu konečného skóre anomálií v daném časovém razítku.
Detekce špiček na základě p-hodnoty
Skóre p-hodnota označuje, jestli je aktuální bod odlehlé hodnoty (označuje se také jako špička). Čím nižší je jeho hodnota, tím pravděpodobnější je špička. Skóre p-hodnota je vždy v $[0, 1]$.
Toto skóre je p-hodnota aktuálního vypočítaného nezpracovaného skóre podle rozdělení nezpracovaných skóre. Tady se odhaduje rozdělení na základě nejnovějších nezpracovaných hodnot skóre až do určité hloubky zpět v historii. Konkrétně se tato distribuce odhaduje pomocí odhadu hustoty jádra s jádry Gaussian s adaptivní šířkou pásma.
Pokud skóre p-hodnota překročí $1 – \frac{\text{confidence}}${100}, přidružené časové razítko může při detekci špičky získat nenulovou hodnotu upozornění, což znamená, že se zjistí bod špičky. Všimněte si, že $\text{confidence}$ je definován v podpisech DetectIidSpike a DetectSpikeBySsa.
Odkazy na příklady použití najdete v části Viz také.
Metody
| Fit(IDataView) |
Na základě odhadu adaptivní hustoty jádra rozpoznáte špičku signálu u nezávislé identické časové řady (tj. i.d.). (Zděděno od TrivialEstimator<TTransformer>) |
| GetOutputSchema(SchemaShape) |
Šíření schématu pro transformátory Vrátí výstupní schéma dat, pokud je vstupní schéma podobné zadanému schématu. |
Metody rozšíření
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Připojte k řetězci estimátoru kontrolní bod ukládání do mezipaměti. Tím zajistíte, aby podřízené estimátory byly vytrénovány proti datům uloženým v mezipaměti. Před průchodem více dat je užitečné mít kontrolní bod ukládání do mezipaměti. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Vzhledem k estimátoru vraťte zalamovací objekt, který zavolá delegáta jednou Fit(IDataView) . Často je důležité, aby odhadovač vrátil informace o tom, co bylo vhodné, což je důvod, proč Fit(IDataView) metoda vrací konkrétně typ objekt, nikoli jen obecné ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetězec estimátorů, kde EstimatorChain<TLastTransformer> je odhadovač, IEstimator<TTransformer> pro který chceme získat transformátor, zakopán někde v tomto řetězci. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po zavolání fit. |