次の方法で共有


AnomalyDetectionCatalog クラス

定義

トレーナーやエバリュエーターなどの異常検出コンポーネントのインスタンスを作成するために使用される MLContext クラス。

public sealed class AnomalyDetectionCatalog : Microsoft.ML.TrainCatalogBase
type AnomalyDetectionCatalog = class
    inherit TrainCatalogBase
Public NotInheritable Class AnomalyDetectionCatalog
Inherits TrainCatalogBase
継承
AnomalyDetectionCatalog

プロパティ

Trainers

異常検出用のトレーナーの一覧。

メソッド

ChangeModelThreshold<TModel>(AnomalyPredictionTransformer<TModel>, Single)

指定した AnomalyPredictionTransformer<TModel> を使用して、新しい threshold を作成します。 指定 threshold した値がしきい値と model 同じ場合、単に返されます model。 既定では、しきい値は 0.5 で、有効なスコアの範囲は 0 から 1 であることに注意してください。

Evaluate(IDataView, String, String, String, Int32)

スコア付けされた異常検出データを評価します。

拡張メソッド

DetectEntireAnomalyBySrCnn(AnomalyDetectionCatalog, IDataView, String, String, SrCnnEntireAnomalyDetectorOptions)

SRCNN アルゴリズムを使用して入力全体の時系列の異常を検出する作成 Microsoft.ML.TimeSeries.SrCnnEntireAnomalyDetector

DetectEntireAnomalyBySrCnn(AnomalyDetectionCatalog, IDataView, String, String, Double, Int32, Double, SrCnnDetectMode)

SRCNN アルゴリズムを使用して入力全体の時系列の異常を検出する作成 Microsoft.ML.TimeSeries.SrCnnEntireAnomalyDetector

DetectSeasonality(AnomalyDetectionCatalog, IDataView, String, Int32, Double)

時系列データでは、季節性 (または周期性) は、週単位、月単位、四半期単位など、特定の一定間隔で発生する変動の存在です。

このメソッドは、フーリエ分析の手法を採用することで、この予測可能な間隔 (または期間) を検出します。 入力値が同じ時間間隔 (タイムスタンプによって並べ替えられる 1 秒ごとに収集されるセンサー データなど) があると仮定すると、このメソッドは時系列データの一覧を受け取り、予測可能な変動またはパターンが入力値全体で繰り返し発生または繰り返される場合、入力季節データの一定期間を返します。

このようなパターンが見つからない場合は -1 を返します。つまり、入力値は季節変動に従いません。

LocalizeRootCause(AnomalyDetectionCatalog, RootCauseLocalizationInput, Double, Double)

デシジョン ツリー アルゴリズムを使用して根本原因をローカライズする作成 RootCause

LocalizeRootCauses(AnomalyDetectionCatalog, RootCauseLocalizationInput, Double, Double)

順序付けされた s のリストを RootCause出力します。 順序は、準備された原因が根本原因である可能性が最も高い原因に対応します。

適用対象