IidSpikeEstimator Classe

Définition

Espace de noms:

Microsoft.ML.Transforms.TimeSeries

Assembly:

Microsoft.ML.TimeSeries.dll

Paquet:

Microsoft.ML.TimeSeries v3.0.1

Détectez un pic de signal sur une série chronologique indépendante distribuée (i.i.d.) en fonction de l’estimation de la densité du noyau adaptatif.

public sealed class IidSpikeEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.TimeSeries.IidSpikeDetector>

type IidSpikeEstimator = class
    inherit TrivialEstimator<IidSpikeDetector>

Public NotInheritable Class IidSpikeEstimator
Inherits TrivialEstimator(Of IidSpikeDetector)

Héritage

Object

TrivialEstimator<IidSpikeDetector>

IidSpikeEstimator

Remarques

Pour créer cet estimateur, utilisez DetectIidSpike.

Colonnes d’entrée et de sortie

Il n’existe qu’une seule colonne d’entrée. La colonne d’entrée doit être Single l’endroit où une Single valeur indique une valeur à un horodatage dans la série chronologique.

Elle produit une colonne qui est un vecteur avec 3 éléments. Le vecteur de sortie contient séquentiellement le niveau d’alerte (valeur non nulle signifie un point de modification), un score et une valeur p.

Caractéristiques de l’estimateur

Cet estimateur doit-il examiner les données pour entraîner ses paramètres ?	Non
Type de données de colonne d’entrée	Single
Type de données de colonne de sortie	Vecteur de 3 éléments deDouble
Exportable vers ONNX	Non

Caractéristiques de l’estimateur

Tâche d’apprentissage automatique	Détection des anomalies
La normalisation est-elle nécessaire ?	Non
La mise en cache est-elle requise ?	Non
NuGet requis en plus de Microsoft.ML	Microsoft.ML.TimeSeries

Détails de l’algorithme d’apprentissage

Ce formateur part du principe que les points de données collectés dans la série chronologique sont échantillonnés indépendamment de la même distribution (indépendamment distribués de la même manière). Par conséquent, la valeur de l’horodatage actuel peut être vue comme valeur à l’horodatage suivant dans l’attente. Si la valeur observée au timestamp $t-1$ est $p$, la valeur prédite à $t$ timestamp serait également $p$.

Scoreur d’anomalie

Une fois que le score brut à un horodatage est calculé, il est alimenté au composant du scoreur d’anomalies pour calculer le score d’anomalie final à cet horodatage.

Détection de pics basé sur p-value

Le score p-value indique si le point actuel est hors norme (également appelé pic). Plus sa valeur est faible, plus il est probable qu’il s’agit d’un pic. Le score p-value est toujours en $[0, 1]$.

Ce score est la valeur p du score brut calculé actuel en fonction d’une distribution de scores bruts. Ici, la distribution est estimée en fonction des valeurs de score brut les plus récentes jusqu’à une certaine profondeur dans l’historique. Plus précisément, cette distribution est estimée à l’aide de l’estimation de densité du noyau avec les noyaux gaussiens de bande passante adaptative.

Si le score p-value dépasse $1 - \frac{\text{confidence}}{100}$, l’horodatage associé peut obtenir une valeur d’alerte non nulle dans la détection des pics, ce qui signifie qu’un point de pic est détecté. Notez que $\text{confidence}$ est défini dans les signatures de DetectIidSpike et DetectSpikeBySsa.

Consultez la section Voir aussi pour obtenir des liens vers des exemples d’utilisation.

Méthodes

Fit(IDataView)	Détectez un pic de signal sur une série chronologique indépendante distribuée (i.i.d.) en fonction de l’estimation de la densité du noyau adaptatif. (Hérité de TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)	Propagation de schéma pour les transformateurs. Retourne le schéma de sortie des données, si le schéma d’entrée est semblable à celui fourni.

Méthodes d’extension

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

Ajoutez un « point de contrôle de mise en cache » à la chaîne d’estimateur. Cela garantit que les estimateurs en aval seront entraînés par rapport aux données mises en cache. Il est utile d’avoir un point de contrôle de mise en cache avant les formateurs qui prennent plusieurs passes de données.

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

Étant donné un estimateur, retournez un objet de création de package de restrictions qui appellera un délégué une fois Fit(IDataView) appelé. Il est souvent important qu’un estimateur retourne des informations sur ce qui était adapté, c’est pourquoi la Fit(IDataView) méthode retourne un objet spécifiquement typé, plutôt que simplement un général ITransformer. Toutefois, en même temps, IEstimator<TTransformer> sont souvent formés en pipelines avec de nombreux objets. Nous pouvons donc avoir besoin de créer une chaîne d’estimateurs par EstimatorChain<TLastTransformer> le biais de laquelle l’estimateur pour lequel nous voulons obtenir le transformateur est enterré quelque part dans cette chaîne. Pour ce scénario, nous pouvons par le biais de cette méthode attacher un délégué qui sera appelé une fois l’ajustement appelé.

Voir aussi

• DetectIidSpike(TransformsCatalog, String, String, Double, Int32, AnomalySide)