SsaForecastingEstimator 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.
Prognózy využívající analýzu jednotného spektra
public sealed class SsaForecastingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.TimeSeries.SsaForecastingTransformer>type SsaForecastingEstimator = class
interface IEstimator<SsaForecastingTransformer>Public NotInheritable Class SsaForecastingEstimator
Implements IEstimator(Of SsaForecastingTransformer)- Dědičnost
-
SsaForecastingEstimator
- Implementuje
Poznámky
K vytvoření tohoto odhadce použijte ForecastBySsa.
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.
Vytváří buď jen jeden vektor předpovídané hodnoty, nebo tři vektory: vektor prognózovaných hodnot, vektor dolních mezí spolehlivosti a vektor horních hranic spolehlivosti.
Charakteristiky odhadu
| Potřebuje tento estimátor podívat se na data, aby natrénovala své parametry? | Ano |
| Datový typ vstupního sloupce | Single |
| Datový typ výstupního sloupce | Vektor Single |
| Exportovatelné do ONNX | No |
Charakteristiky odhadu
| 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
Tato třída implementuje obecnou transformaci detekce anomálií na základě analýzy jednotného spektra (SSA). SSA je výkonná architektura pro rozdělení časových řad na trendy, sezónnost a komponenty šumu a také prognózování budoucích hodnot časových řad. SSA v zásadě provádí spektrální analýzu vstupních časových řad, kde každá komponenta ve spektru odpovídá trendu, sezónní nebo šumové sousložce v časové řadě. Podrobnosti o analýze jednotného spektra (SSA) najdete v tomto dokumentu.
Odkazy na příklady použití najdete v části Viz také.
Metody
| Name | Description |
|---|---|
| Fit(IDataView) |
Trénujte a vraťte transformátor. |
| GetOutputSchema(SchemaShape) |
Šíření schématu pro transformátory Vrátí výstupní schéma dat, pokud je vstupní schéma podobné zadanému schématu. Vytvoří tři výstupní sloupce, pokud jsou požadovány intervaly spolehlivosti, jinak jen jeden. |
Metody rozšíření
| Name | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Připojte kontrolní bod ukládání do mezipaměti do řetězu odhadce. Tím zajistíte, aby podřízené estimátory byly natrénovány 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 objekt obtékání, 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 konkrétní typ objekt, spíše než jen obecný ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetěz odhadců prostřednictvím IEstimator<TTransformer> místa, kde odhadovač, EstimatorChain<TLastTransformer> pro který chceme získat transformátor, je někde v tomto řetězu. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po zavolání fit. |