TimeSeriesCatalog クラス

定義

名前空間:

Microsoft.ML

アセンブリ:

Microsoft.ML.TimeSeries.dll

パッケージ:

Microsoft.ML.TimeSeries v2.0.0

public static class TimeSeriesCatalog

type TimeSeriesCatalog = class

Public Module TimeSeriesCatalog

継承

Object

TimeSeriesCatalog

メソッド

DetectAnomalyBySrCnn(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, Int32, Double)	SRCNN アルゴリズムを使用して時系列の異常を検出する作成 SrCnnAnomalyEstimator。
DetectChangePointBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)	単数スペクトル分析 (SSA) を使用して時系列の変化点を予測する作成SsaChangePointEstimator。
DetectChangePointBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)	古い. 単数スペクトル分析 (SSA) を使用して時系列の変化点を予測する作成SsaChangePointEstimator。
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。
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。
DetectIidChangePoint(TransformsCatalog, String, String, Double, Int32, MartingaleType, Double)	Create IidChangePointEstimator: アダプティブ カーネル密度推定とマルチンゲール スコアに基づいて 、独立した同一分布 (i.i.d.) 時系列の変化点を予測します。
DetectIidChangePoint(TransformsCatalog, String, String, Int32, Int32, MartingaleType, Double)	古い. Create IidChangePointEstimator: アダプティブ カーネル密度推定とマルチンゲール スコアに基づいて 、独立した同一分布 (i.i.d.) 時系列の変化点を予測します。
DetectIidSpike(TransformsCatalog, String, String, Double, Int32, AnomalySide)	アダプティブ カーネル密度推定とマルチンゲール スコアに基づいて、独立した同一分散 (i.i.d.) 時系列のスパイクを予測する作成IidSpikeEstimator。
DetectIidSpike(TransformsCatalog, String, String, Int32, Int32, AnomalySide)	古い. アダプティブ カーネル密度推定とマルチンゲール スコアに基づいて、独立した同一分散 (i.i.d.) 時系列のスパイクを予測する作成IidSpikeEstimator。
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。
DetectSpikeBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, AnomalySide, ErrorFunction)	単数スペクトル分析 (SSA) を使用して時系列のスパイクを予測する作成SsaSpikeEstimator。
DetectSpikeBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, AnomalySide, ErrorFunction)	古い. 単数スペクトル分析 (SSA) を使用して時系列のスパイクを予測する作成SsaSpikeEstimator。
ForecastBySsa(ForecastingCatalog, String, String, Int32, Int32, Int32, Int32, Boolean, Single, RankSelectionMethod, Nullable<Int32>, Nullable<Int32>, Boolean, Boolean, Nullable<GrowthRatio>, String, String, Single, Boolean)	一変量時系列予測のための単一スペクトル分析 (SSA) モデル。 モデルの詳細については、次を参照してください http://arxiv.org/pdf/1206.6910.pdf。
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。