Partager via


Microsoft.ML.Transforms.TimeSeries Espace de noms

Espace de noms contenant des composants de transformation de données de série chronologique.

Classes

IidAnomalyDetectionBaseWrapper

Il s’agit du wrapper qui Microsoft.ML.Transforms.TimeSeries.IidAnomalyDetectionBaseWrapper.IidAnomalyDetectionBase calcule les valeurs p et les scores martingale pour une séquence d’entrée supposée i.i.d de floats. En d’autres termes, il suppose que la séquence d’entrée représente le score d’anomalie brut qui peut avoir été calculé via un autre processus.

IidChangePointDetector

ITransformer résultant de l’ajustement d’un IidChangePointEstimator.

IidChangePointEstimator

Détectez une modification de signal sur une série chronologique distribuée de manière indépendante (i.i.d.) en fonction de l’estimation de densité de noyau adaptative et des martingales.

IidSpikeDetector

ITransformer résultant de l’ajustement d’un IidSpikeEstimator.

IidSpikeEstimator

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

PredictionFunctionExtensions

Espace de noms contenant des composants de transformation de données de série chronologique.

SrCnnAnomalyDetectionBase

Espace de noms contenant des composants de transformation de données de série chronologique.

SrCnnAnomalyDetector

ITransformer résultant de l’ajustement d’un SrCnnAnomalyEstimator.

SrCnnAnomalyEstimator

Détecter les anomalies dans les séries chronologiques à l’aide de l’algorithme De résidus (SR) du spectre

SsaAnomalyDetectionBaseWrapper

Le wrapper qui Microsoft.ML.Transforms.TimeSeries.SsaAnomalyDetectionBaseWrapper.SsaAnomalyDetectionBase implémente la transformation générale de détection d’anomalies en fonction de la modélisation du spectre singulier de la série chronologique. Pour plus d’informations sur l’analyse du spectre unique (SSA), reportez-vous à http://arxiv.org/pdf/1206.6910.pdf.

SsaChangePointDetector

ITransformer résultant de l’ajustement d’un SsaChangePointEstimator.

SsaChangePointEstimator

Détecter les points de modification dans les séries chronologiques à l’aide de l’analyse du spectre singulier.

SsaForecastingBaseWrapper

Le wrapper qui Microsoft.ML.Transforms.TimeSeries.SsaForecastingBaseWrapper.SsaForecastingBase implémente la transformation générale de détection d’anomalies en fonction de la modélisation du spectre singulier de la série chronologique. Pour plus d’informations sur l’analyse du spectre unique (SSA), reportez-vous à http://arxiv.org/pdf/1206.6910.pdf.

SsaForecastingEstimator

Prévisions utilisant l’analyse du spectre singulier.

SsaForecastingTransformer

ITransformer résultant de l’ajustement d’un SsaForecastingEstimator.

SsaSpikeDetector

ITransformer résultant de l’ajustement d’un SsaSpikeEstimator.

SsaSpikeEstimator

Détecter les pics dans les séries chronologiques à l’aide de l’analyse du spectre singulier.

TimeSeriesPredictionEngine<TSrc,TDst>

Classe qui exécute le modèle précédemment entraîné (et le pipeline de transformation précédent) sur les données en mémoire, un exemple à la fois. Cela peut également être utilisé avec des pipelines entraînés qui ne se terminent pas par un prédicteur : dans ce cas, la « prédiction » sera uniquement le résultat de toutes les transformations.

Structures

GrowthRatio

Ratio de croissance. Défini comme Growth^(1/TimeSpan).

Énumérations

AnomalySide

Côté de la détection d’anomalies.

ErrorFunction

Espace de noms contenant des composants de transformation de données de série chronologique.

MartingaleType

Type de martingale.

RankSelectionMethod

Méthode de sélection de classement pour le signal.