AnomalyDetectionCatalog Třída

Definice

Obor názvů:

Microsoft.ML

Sestavení:

Microsoft.ML.Data.dll

Balíček:

Microsoft.ML v2.0.0

Třída používaná MLContext k vytváření instancí komponent detekce anomálií, jako jsou trenéři a vyhodnocovače.

public sealed class AnomalyDetectionCatalog : Microsoft.ML.TrainCatalogBase

type AnomalyDetectionCatalog = class
    inherit TrainCatalogBase

Public NotInheritable Class AnomalyDetectionCatalog
Inherits TrainCatalogBase

Dědičnost

Object

TrainCatalogBase

AnomalyDetectionCatalog

Vlastnosti

Trainers

Seznam trenérů pro detekci anomálií.

Metody

ChangeModelThreshold<TModel>(AnomalyPredictionTransformer<TModel>, Single)	Vytvoří novou AnomalyPredictionTransformer<TModel> se zadaným thresholdparametrem . Pokud je poskytnutá threshold hodnota stejná jako model prahová hodnota, jednoduše vrátí model. Všimněte si, že prahová hodnota je ve výchozím nastavení 0,5 a platné skóre se pohybuje od 0 do 1.
Evaluate(IDataView, String, String, String, Int32)	Vyhodnotí data detekce anomálií s skóre.

Metody rozšíření

DetectEntireAnomalyBySrCnn(AnomalyDetectionCatalog, IDataView, String, String, SrCnnEntireAnomalyDetectorOptions)	Vytvořte Microsoft.ML.TimeSeries.SrCnnEntireAnomalyDetector, který detekuje anomálie časových intervalů pro celý vstup pomocí algoritmu SRCNN.
DetectEntireAnomalyBySrCnn(AnomalyDetectionCatalog, IDataView, String, String, Double, Int32, Double, SrCnnDetectMode)	Vytvořte Microsoft.ML.TimeSeries.SrCnnEntireAnomalyDetector, který detekuje anomálie časových intervalů pro celý vstup pomocí algoritmu SRCNN.
DetectSeasonality(AnomalyDetectionCatalog, IDataView, String, Int32, Double)	V datech časových řad je sezónnost (nebo periodicita) přítomnost variací, ke kterým dochází v určitých pravidelných intervalech, například týdně, měsíčně nebo čtvrtletně. Tato metoda detekuje tento předvídatelný interval (nebo období) přijetím technik fourierové analýzy. Za předpokladu, že vstupní hodnoty mají stejný časový interval (např. data ze snímačů shromážděná při každém druhém seřazení podle časových razítek), tato metoda vezme seznam dat časových řad a vrátí pravidelné období pro vstupní sezónní data, pokud je možné zjistit předvídatelné kolísání nebo vzor, které se v tomto období opakuje nebo opakuje v průběhu tohoto období ve vstupních hodnotách. Vrátí hodnotu -1, pokud se nenajde žádný takový vzor, tj. vstupní hodnoty nesledují sezónní kolísání.
LocalizeRootCause(AnomalyDetectionCatalog, RootCauseLocalizationInput, Double, Double)	Vytvořte RootCause, která lokalizuje původní příčiny pomocí algoritmu rozhodovacího stromu.
LocalizeRootCauses(AnomalyDetectionCatalog, RootCauseLocalizationInput, Double, Double)	Zobrazí seřazený seznam RootCauses. Pořadí odpovídá tomu, která připravená příčina je pravděpodobně hlavní příčinou.