SsaForecastingEstimator Kelas
Definisi
Penting
Beberapa informasi terkait produk prarilis yang dapat diubah secara signifikan sebelum dirilis. Microsoft tidak memberikan jaminan, tersirat maupun tersurat, sehubungan dengan informasi yang diberikan di sini.
Prakiraan menggunakan Analisis Spektrum Tunggal.
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)
- Warisan
-
SsaForecastingEstimator
- Penerapan
Keterangan
Untuk membuat estimator ini, gunakan ForecastBySsa
Kolom Input dan Output
Hanya ada satu kolom input. Kolom input harus berada di Single tempat Single nilai menunjukkan nilai pada tanda waktu dalam rangkaian waktu.
Ini hanya menghasilkan satu vektor nilai yang diperkirakan atau tiga vektor: vektor nilai yang diperkirakan, vektor batas bawah keyakinan dan vektor batas atas keyakinan.
Karakteristik Estimator
Apakah estimator ini perlu melihat data untuk melatih parameternya? | Ya |
Jenis data kolom input | Single |
Jenis data kolom output | Vektor dari Single |
Dapat diekspor ke ONNX | Tidak |
Karakteristik Estimator
Tugas pembelajaran mesin | Deteksi anomali |
Apakah normalisasi diperlukan? | Tidak |
Apakah penembolokan diperlukan? | Tidak |
NuGet yang diperlukan selain Microsoft.ML | Microsoft.ML.TimeSeries |
Detail Algoritma Pelatihan
Kelas ini mengimplementasikan transformasi deteksi anomali umum berdasarkan Analisis Spektrum Tunggal (SSA). SSA adalah kerangka kerja yang kuat untuk menguraikan rangkaian waktu menjadi komponen tren, musiman, dan kebisingan serta memperkirakan nilai masa depan dari rangkaian waktu. Pada prinsipnya, SSA melakukan analisis spektral pada rangkaian waktu input di mana setiap komponen dalam spektrum sesuai dengan komponen tren, musiman atau kebisingan dalam rangkaian waktu. Untuk detail Analisis Spektrum Tunggal (SSA), lihat dokumen ini.
Periksa bagian Lihat Juga untuk tautan ke contoh penggunaan.
Metode
Fit(IDataView) |
Latih dan kembalikan transformator. |
GetOutputSchema(SchemaShape) |
Penyebaran skema untuk transformator. Mengembalikan skema output data, jika skema input seperti yang disediakan. Membuat tiga kolom output jika interval keyakinan diminta jika tidak, hanya satu. |
Metode Ekstensi
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Tambahkan 'titik pemeriksaan penembolokan' ke rantai estimator. Ini akan memastikan bahwa estimator hilir akan dilatih terhadap data cache. Sangat membantu untuk memiliki titik pemeriksaan penembolokan sebelum pelatih yang mengambil beberapa data berlalu. |
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Mengingat estimator, kembalikan objek pembungkus yang akan memanggil delegasi setelah Fit(IDataView) dipanggil. Seringkali penting bagi estimator untuk mengembalikan informasi tentang apa yang cocok, itulah sebabnya Fit(IDataView) metode mengembalikan objek yang ditik secara khusus, bukan hanya umum ITransformer. Namun, pada saat yang sama, IEstimator<TTransformer> sering dibentuk menjadi alur dengan banyak objek, jadi kita mungkin perlu membangun rantai estimator melalui EstimatorChain<TLastTransformer> tempat estimator yang ingin kita dapatkan transformator dikubur di suatu tempat dalam rantai ini. Untuk skenario itu, kita dapat melalui metode ini melampirkan delegasi yang akan dipanggil setelah pas dipanggil. |