IidSpikeEstimator クラス

定義

名前空間:

Microsoft.ML.Transforms.TimeSeries

アセンブリ:

Microsoft.ML.TimeSeries.dll

パッケージ:

Microsoft.ML.TimeSeries v3.0.1

適応型カーネル密度推定に基づいて、 独立した同一分布 (i.i.d.) 時系列の信号スパイクを検出します。

public sealed class IidSpikeEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.TimeSeries.IidSpikeDetector>

type IidSpikeEstimator = class
    inherit TrivialEstimator<IidSpikeDetector>

Public NotInheritable Class IidSpikeEstimator
Inherits TrivialEstimator(Of IidSpikeDetector)

継承

Object

TrivialEstimator<IidSpikeDetector>

IidSpikeEstimator

注釈

このエスティメーターを作成するには、 DetectIidSpike を使用します。

入力列と出力列

入力列は 1 つだけです。 入力列は、 Single 時系列の Single タイムスタンプの値を示す値である必要があります。

3 つの要素を持つベクトルである列が生成されます。 出力ベクトルには、アラート レベル (ゼロ以外の値は変更ポイントを意味します)、スコア、および p 値が順番に含まれています。

推定特性

このエスティメーターは、パラメーターをトレーニングするためにデータを確認する必要がありますか?	いいえ
入力列のデータ型	Single
出力列のデータ型	の 3 要素ベクトルDouble
ONNX にエクスポート可能	いいえ

推定特性

機械学習タスク	異常検出
正規化は必要ですか?	いいえ
キャッシュは必要ですか?	いいえ
Microsoft.ML に加えて必要な NuGet	Microsoft.ML.TimeSeries

トレーニング アルゴリズムの詳細

このトレーナーは、時系列で収集されたデータ ポイントが、同じ分布 (独立した同じ分散) から個別にサンプリングされることを前提としています。 したがって、現在のタイムスタンプの値は、期待される次のタイムスタンプの値と見なすことができます。 タイムスタンプ $t-1$ の観測値が $p$ の場合、$t$ タイムスタンプの予測値も $p$ になります。

Anomaly Scorer

タイムスタンプの生スコアが計算されると、そのタイムスタンプで最終的な異常スコアを計算するために異常スコアラー コンポーネントにフィードされます。

p 値に基づくスパイク検出

p 値スコアは、現在のポイントが外れ値 (スパイクとも呼ばれます) であるかどうかを示します。 値が小さいほど、スパイクである可能性が高くなります。 p 値スコアは常に $[0, 1]$ です。

このスコアは、生スコアの分布に従って現在計算された生スコアの p 値です。 ここでは、履歴の特定の深さまでの最新の未加工スコア値に基づいて分布が推定されます。 より具体的には、この分布は、適応帯域幅のガウスカーネルとのカーネル密度推定を使用して推定される。

p 値スコアが $1 - \frac{\text{confidence}}{100}$ を超えると、関連付けられたタイムスタンプがスパイク検出で 0 以外のアラート値を取得する可能性があります。つまり、スパイク ポイントが検出されます。 $\text{confidence}$ は DetectIidSpike と DetectSpikeBySsa のシグネチャで定義されていることに注意してください。

使用例へのリンクについては、「参照」セクションを参照してください。

メソッド

Fit(IDataView)	適応型カーネル密度推定に基づいて、 独立した同一分布 (i.i.d.) 時系列の信号スパイクを検出します。 (継承元 TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)	トランスフォーマーのスキーマ伝達。 入力スキーマが指定されたスキーマと同じ場合は、データの出力スキーマを返します。

拡張メソッド

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

エスティメーター チェーンに 'キャッシュ チェックポイント' を追加します。 これにより、ダウンストリームエスティメーターがキャッシュされたデータに対してトレーニングされます。 複数のデータを受け取るトレーナーが渡す前にキャッシュ チェックポイントを設定すると便利です。

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

エスティメーターを指定すると、デリゲートを 1 回 Fit(IDataView) 呼び出すラップ オブジェクトが呼び出されます。 多くの場合、エスティメーターが適合した内容に関する情報を返すことが重要です。そのため Fit(IDataView) 、メソッドは一般的 ITransformerなオブジェクトではなく、具体的に型指定されたオブジェクトを返します。 ただし、同時に、 IEstimator<TTransformer> 多くのオブジェクトを含むパイプラインに形成されることが多いため、トランスフォーマーを取得するエスティメーターがこのチェーンのどこかに埋もれる場所を介して EstimatorChain<TLastTransformer> 、推定器のチェーンを構築する必要がある場合があります。 このシナリオでは、このメソッドを使用して、fit が呼び出されると呼び出されるデリゲートをアタッチできます。

こちらもご覧ください

• DetectIidSpike(TransformsCatalog, String, String, Double, Int32, AnomalySide)