SsaForecastingEstimator Classe
Definizione
Importante
Alcune informazioni sono relative alla release non definitiva del prodotto, che potrebbe subire modifiche significative prima della release definitiva. Microsoft non riconosce alcuna garanzia, espressa o implicita, in merito alle informazioni qui fornite.
Previsioni che usano l'analisi dello spettro singolare.
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)- Ereditarietà
-
SsaForecastingEstimator
- Implementazioni
Commenti
Per creare questo strumento di stima, usare ForecastBySsa
Colonne di input e output
È presente una sola colonna di input. La colonna di input deve essere Single la posizione in cui un Single valore indica un valore in corrispondenza di un timestamp nella serie temporale.
Produce un solo vettore di valori previsti o tre vettori: un vettore di valori previsti, un vettore di limiti inferiori di attendibilità e un vettore di limiti superiori di attendibilità.
Caratteristiche dello strumento di stima
| Questo strumento di stima deve esaminare i dati per eseguire il training dei relativi parametri? | Sì |
| Tipo di dati della colonna di input | Single |
| Tipo di dati della colonna di output | Vettore di Single |
| Esportabile in ONNX | No |
Caratteristiche dello strumento di stima
| Attività di Machine Learning | Rilevamento anomalie |
| La normalizzazione è necessaria? | No |
| La memorizzazione nella cache è necessaria? | No |
| NuGet richiesto oltre a Microsoft.ML | Microsoft.ML.TimeSeries |
Dettagli algoritmo di training
Questa classe implementa la trasformazione di rilevamento anomalie generale basata sull'analisi dello spettro singolare (SSA). SSA è un framework potente per scomporre le serie temporali in componenti di tendenza, stagionalità e rumore, nonché prevedere i valori futuri della serie temporale. In linea di principio, SSA esegue l'analisi spettrale sulla serie temporale di input in cui ogni componente nello spettro corrisponde a un componente di tendenza, stagionale o disturbo nella serie temporale. Per informazioni dettagliate sull'analisi dello spettro singolare (SSA), fare riferimento a questo documento.
Vedere la sezione Vedere anche i collegamenti agli esempi di utilizzo.
Metodi
| Fit(IDataView) |
Eseguire il training e restituire un trasformatore. |
| GetOutputSchema(SchemaShape) |
Propagazione dello schema per i trasformatori. Restituisce lo schema di output dei dati, se lo schema di input è simile a quello fornito. Crea tre colonne di output se vengono richiesti intervalli di confidenza altrimenti solo uno. |
Metodi di estensione
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Aggiungere un "checkpoint di memorizzazione nella cache" alla catena di stima. Ciò garantisce che gli estimatori downstream vengano sottoposti a training in base ai dati memorizzati nella cache. È utile avere un checkpoint di memorizzazione nella cache prima che i formatori eseseguono più passaggi di dati. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Dato un estimator, restituire un oggetto wrapping che chiamerà un delegato una volta Fit(IDataView) chiamato. È spesso importante che uno strumento di stima restituisca informazioni sull'adattamento, motivo per cui il Fit(IDataView) metodo restituisce un oggetto tipizzato in modo specifico, anziché solo un oggetto generale ITransformer. Tuttavia, allo stesso tempo, IEstimator<TTransformer> vengono spesso formati in pipeline con molti oggetti, quindi potrebbe essere necessario creare una catena di estimatori tramite EstimatorChain<TLastTransformer> dove lo strumento di stima per il quale si vuole ottenere il trasformatore è sepolto in una posizione in questa catena. Per questo scenario, è possibile collegare un delegato che verrà chiamato una volta chiamato fit. |