SsaSpikeEstimator Classe

Définition

Espace de noms:

Microsoft.ML.Transforms.TimeSeries

Assembly:

Microsoft.ML.TimeSeries.dll

Paquet:

Microsoft.ML.TimeSeries v3.0.1

Détecter les pics dans les séries chronologiques à l’aide de Singular Spectrum Analysis.

public sealed class SsaSpikeEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.TimeSeries.SsaSpikeDetector>

type SsaSpikeEstimator = class
    interface IEstimator<SsaSpikeDetector>

Public NotInheritable Class SsaSpikeEstimator
Implements IEstimator(Of SsaSpikeDetector)

Héritage

Object

SsaSpikeEstimator

Implémente

IEstimator<SsaSpikeDetector>

Remarques

Pour créer cet estimateur, utilisez DetectSpikeBySsa

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 ?	Oui
Type de données de colonne d’entrée	Single
Type de données de colonne de sortie	Vecteur de 3 éléments de Double
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

Cette classe implémente la transformation de détection d’anomalie générale basée sur l’analyse du spectre singulier (SSA). SSA est une infrastructure puissante pour décomposer les séries chronologiques en composants de tendance, de saisonnalité et de bruit, ainsi que de prévoir les valeurs futures de la série chronologique. En principe, SSA effectue une analyse spectre sur la série chronologique d’entrée où chaque composant du spectre correspond à une tendance, saisonnière ou sonore dans la série chronologique. Pour plus d’informations sur l’analyse du spectre singulier (SSA), reportez-vous à ce document.

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)	Entraîner et retourner un transformateur.
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

• DetectSpikeBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, AnomalySide, ErrorFunction)