Condividi tramite


SsaSpikeEstimator Classe

Definizione

Rilevare i picchi nelle serie temporali usando l'analisi dello spettro singolare.

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)
Ereditarietà
SsaSpikeEstimator
Implementazioni

Commenti

Per creare questo strumento di stima, usare DetectSpikeBySsa

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 una colonna che è un vettore con 3 elementi. Il vettore di output contiene in sequenza il livello di avviso (valore diverso da zero significa un punto di modifica), un punteggio e un valore p.

Caratteristiche dello strumento di stima

Questo strumento di stima deve esaminare i dati per eseguire il training dei relativi parametri?
Tipo di dati della colonna di input Single
Tipo di dati della colonna di output Vettore a 3 elementi di Double
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.

Punteggiore anomalie

Una volta calcolato il punteggio non elaborato in un timestamp, viene inserito nel componente del scorer anomalie per calcolare il punteggio di anomalia finale in quel timestamp.

Rilevamento dei picchi in base al valore p

Il punteggio p-value indica se il punto corrente è un outlier (noto anche come picco). Minore è il valore, più probabile è un picco. Il punteggio p-value è sempre in $[0, 1]$.

Questo punteggio è il valore p del punteggio non elaborato calcolato corrente in base a una distribuzione dei punteggi non elaborati. In questo caso, la distribuzione viene stimata in base ai valori del punteggio non elaborato più recenti fino a una certa profondità nella cronologia. In particolare, questa distribuzione viene stimata usando la stima della densità del kernel con i kernel gaussiani della larghezza di banda adattiva.

Se il punteggio p-value supera $1 - \frac{\text{confidence}}{100}$, il timestamp associato potrebbe ottenere un valore di avviso diverso da zero nel rilevamento dei picchi, ovvero viene rilevato un punto di picco. Si noti che $\text{confidence}$ è definito nelle firme di DetectIidSpike e DetectSpikeBySsa.

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.

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.

Si applica a

Vedi anche