SsaSpikeEstimator 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.
Rozpozná špičky v časových řadách pomocí analýzy jednotného spektra.
public sealed class SsaSpikeEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.TimeSeries.SsaSpikeDetector>type SsaSpikeEstimator = class
interface IEstimator<SsaSpikeDetector>Public NotInheritable Class SsaSpikeEstimator
Implements IEstimator(Of SsaSpikeDetector)- Dědičnost
-
SsaSpikeEstimator
- Implementuje
Poznámky
K vytvoření tohoto estimátoru použijte DetectSpikeBySsa.
Vstupní a výstupní sloupce
Existuje pouze jeden vstupní sloupec. Vstupní sloupec musí být Single tam, kde Single hodnota označuje hodnotu v časovém razítku v časové řadě.
Vytvoří sloupec, který je vektorem se 3 prvky. Výstupní vektor sekvenční obsahuje úroveň upozornění (nenulová hodnota znamená bod změny), skóre a p-hodnotu.
Charakteristiky odhadu
| Potřebuje tento estimátor podívat se na data, aby se natrénovala jeho parametry? | Yes |
| Datový typ vstupního sloupce | Single |
| Datový typ výstupního sloupce | Vektor 3 elementů Double |
| Exportovatelný do ONNX | No |
Charakteristiky odhadu
| Úloha strojového učení | Detekce anomálií |
| Vyžaduje se normalizace? | No |
| Vyžaduje se ukládání do mezipaměti? | No |
| Povinné nuGet kromě Microsoft.ML | Microsoft.ML.TimeSeries |
Podrobnosti o trénovacím algoritmu
Tato třída implementuje obecnou transformaci detekce anomálií na základě analýzy jednotného spektra (SSA). SSA je výkonný rámec pro rozklad časových řad na trendové, sezónní a šumové komponenty a také prognózování budoucích hodnot časových řad. V zásadě služba SSA provádí spektrální analýzu vstupních časových řad, kde každá komponenta ve spektru odpovídá trendu, sezónní nebo šumové komponentě v časových řadách. Podrobnosti o analýze jednotného spektra (SSA) najdete v tomto dokumentu.
Anomálie Scorer
Jakmile se vypočítá nezpracované skóre v časovém razítku, přidá se komponentě anomálií k výpočtu konečného skóre anomálií v daném časovém razítku.
Detekce špiček na základě p-value
Skóre p-hodnota označuje, jestli je aktuální bod odlehlé hodnoty (označovaný také jako špička). Čím nižší je jeho hodnota, tím pravděpodobnější je špička. Skóre p-value je vždy v $[0, 1]$.
Toto skóre je p-hodnota aktuálního počítaného nezpracovaného skóre podle rozdělení nezpracovaných skóre. V této části se rozdělení odhaduje 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 adaptivní šířky pásma.
Pokud skóre p-hodnota překračuje $1 – \frac{\text{confidence}}${100}, přidružené časové razítko může v 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.
V části Viz také najdete odkazy na příklady použití.
Metody
| Fit(IDataView) |
Trénujte a vracejte transformátor. |
| 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 odhadu kontrolní bod ukládání do mezipaměti. Tím zajistíte, aby se podřízené estimátory natrénovaly na data uložená v mezipaměti. Před průchodem více dat je užitečné mít kontrolní bod ukládání do mezipaměti. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Pokud získáte odhadátor, vraťte obtékání objektu, který jednou zavolá delegáta Fit(IDataView) . Často je důležité, aby estimátor vrátil informace o tom, co bylo vhodné, což je důvod, proč Fit(IDataView) metoda vrací konkrétně zadaný objekt, a ne jen obecné ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetězec odhadovačů prostřednictvím EstimatorChain<TLastTransformer> toho, kde je odhadovač, IEstimator<TTransformer> pro který chceme získat transformátor, uložen někde v tomto řetězu. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po volání fit. |