SsaForecastingEstimator Klasse
Definition
Wichtig
Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.
Prognosen mit Singular Spectrum Analysis.
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)- Vererbung
-
SsaForecastingEstimator
- Implementiert
Hinweise
Verwenden Sie PrognoseBySsa, um diese Schätzung zu erstellen.
Eingabe- und Ausgabespalten
Es gibt nur eine Eingabespalte. In der Eingabespalte muss Single ein Single Wert einen Wert in einem Zeitstempel in der Zeitreihe angibt.
Sie erzeugt entweder nur einen Vektor von prognostizierten Werten oder drei Vektoren: einen Vektor mit prognostizierten Werten, einen Vektor mit niedrigeren Konfidenzgrenzen und einen Vektor mit höheren Konfidenzgrenzen.
Schätzeigenschaften
| Muss dieser Schätzer die Daten untersuchen, um seine Parameter zu trainieren? | Yes |
| Eingabespaltendatentyp | Single |
| Ausgabespaltendatentyp | Vektor von Single |
| Exportierbar in ONNX | No |
Schätzeigenschaften
| Machine Learning-Aufgabe | Anomalieerkennung |
| Ist normalisierung erforderlich? | No |
| Ist zwischenspeichern erforderlich? | No |
| Erforderliches NuGet zusätzlich zu Microsoft.ML | Microsoft.ML.TimeSeries |
Details des Schulungsalgorithmus
Diese Klasse implementiert die allgemeine Anomalieerkennungstransformation basierend auf Singular Spectrum Analysis (SSA). SSA ist ein leistungsstarkes Framework für die Dekompilierung der Zeitreihen in Trend-, Saisonalitäts- und Lärmkomponenten sowie die Prognose der zukünftigen Werte der Zeitreihe. Grundsätzlich führt SSA eine spektrale Analyse der Eingabezeitreihe durch, bei der jede Komponente im Spektrum einer Trend-, Saison- oder Rauschkomponente in der Zeitreihe entspricht. Ausführliche Informationen zur Singular Spectrum Analysis (SSA) finden Sie in diesem Dokument.
Im Abschnitt "Siehe auch" finden Sie Links zu Verwendungsbeispielen.
Methoden
| Name | Beschreibung |
|---|---|
| Fit(IDataView) |
Trainieren und Zurückgeben eines Transformators. |
| GetOutputSchema(SchemaShape) |
Schemaverteilung für Transformatoren. Gibt das Ausgabeschema der Daten zurück, wenn das Eingabeschema wie die bereitgestellte ist. Erstellt drei Ausgabespalten, wenn Konfidenzintervalle angefordert werden, andernfalls nur eine. |
Erweiterungsmethoden
| Name | Beschreibung |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Fügen Sie einen "Zwischenspeicherungsprüfpunkt" an die Schätzkette an. Dadurch wird sichergestellt, dass die nachgeschalteten Schätzer anhand zwischengespeicherter Daten trainiert werden. Es ist hilfreich, einen Zwischenspeicherprüfpunkt vor Trainern zu haben, die mehrere Datendurchläufe übernehmen. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Geben Sie bei einer Schätzung ein Wrapping-Objekt zurück, das eine Stellvertretung aufruft, sobald Fit(IDataView) sie aufgerufen wird. Es ist häufig wichtig, dass ein Schätzer Informationen zu dem, was passt, zurückgeben, weshalb die Fit(IDataView) Methode ein speziell typiertes Objekt und nicht nur ein allgemeines ITransformerObjekt zurückgibt. IEstimator<TTransformer> Gleichzeitig werden jedoch oft in Pipelines mit vielen Objekten gebildet, daher müssen wir möglicherweise eine Kette von Schätzern bauen, über EstimatorChain<TLastTransformer> die der Schätzer, für den wir den Transformator erhalten wollen, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode einen Delegat anfügen, der aufgerufen wird, sobald "Fit" aufgerufen wird. |