SsaForecastingEstimator Clase

Definición

Espacio de nombres:

Microsoft.ML.Transforms.TimeSeries

Ensamblado:

Microsoft.ML.TimeSeries.dll

Paquete:

Microsoft.ML.TimeSeries v3.0.1

Previsiones mediante análisis de espectro singular.

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)

Herencia

Object

SsaForecastingEstimator

Implementaciones

IEstimator<SsaForecastingTransformer>

Comentarios

Para crear este estimador, use ForecastBySsa

Columnas de entrada y salida

Solo hay una columna de entrada. La columna de entrada debe ser Single donde un Single valor indica un valor en una marca de tiempo de la serie temporal.

Genera solo un vector de valores previstos o tres vectores: un vector de valores previstos, un vector de límites inferiores de confianza y un vector de límites superiores de confianza.

Características del estimador

¿Este estimador necesita examinar los datos para entrenar sus parámetros?	Sí
Tipo de datos de columna de entrada	Single
Tipo de datos de columna de salida	Vector de Single
Exportable a ONNX	No

Características del estimador

Tarea de Machine Learning	Detección de anomalías
¿Se requiere normalización?	No
¿Se requiere el almacenamiento en caché?	No
NuGet necesario además de Microsoft.ML	Microsoft.ML.TimeSeries

Detalles del algoritmo de entrenamiento

Esta clase implementa la transformación de detección de anomalías general basada en Singular Spectrum Analysis (SSA). SSA es un marco eficaz para descomponer la serie temporal en componentes de tendencia, estacionalidad y ruido, así como para predecir los valores futuros de la serie temporal. En principio, SSA realiza análisis espectrales en la serie temporal de entrada donde cada componente del espectro corresponde a un componente de tendencia, estacional o ruido en la serie temporal. Para obtener más información sobre el análisis de espectro singular (SSA), consulte este documento.

Consulte la sección Consulte también los vínculos a ejemplos de uso.

Métodos

Fit(IDataView)	Entrene y devuelva un transformador.
GetOutputSchema(SchemaShape)	Propagación de esquemas para transformadores. Devuelve el esquema de salida de los datos, si el esquema de entrada es similar al proporcionado. Crea tres columnas de salida si se solicitan intervalos de confianza en caso contrario, solo una.

Métodos de extensión

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Anexe un "punto de control de almacenamiento en caché" a la cadena del estimador. Esto garantizará que los estimadores de nivel inferior se entrenarán con los datos almacenados en caché. Resulta útil tener un punto de control de almacenamiento en caché antes de que los instructores tomen varios pases de datos.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Dado un estimador, devuelva un objeto de ajuste que llamará a un delegado una vez Fit(IDataView) que se llame. A menudo, es importante que un estimador devuelva información sobre lo que cabe, por lo que el Fit(IDataView) método devuelve un objeto con tipo específico, en lugar de simplemente un general ITransformer. Sin embargo, al mismo tiempo, IEstimator<TTransformer> a menudo se forman en canalizaciones con muchos objetos, por lo que es posible que tengamos que crear una cadena de estimadores a través EstimatorChain<TLastTransformer> de donde el estimador para el que queremos obtener el transformador está enterrado en algún lugar de esta cadena. En ese escenario, podemos a través de este método adjuntar un delegado al que se llamará una vez que se llame a fit.

Consulte también

• ForecastBySsa(ForecastingCatalog, String, String, Int32, Int32, Int32, Int32, Boolean, Single, RankSelectionMethod, Nullable<Int32>, Nullable<Int32>, Boolean, Boolean, Nullable<GrowthRatio>, String, String, Single, Boolean)