TimeSeriesCatalog 클래스

정의

네임스페이스:

Microsoft.ML

어셈블리:

Microsoft.ML.TimeSeries.dll

패키지:

Microsoft.ML.TimeSeries v2.0.0

public static class TimeSeriesCatalog

type TimeSeriesCatalog = class

Public Module TimeSeriesCatalog

상속

Object

TimeSeriesCatalog

메서드

DetectAnomalyBySrCnn(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, Int32, Double)	SRCNN 알고리즘을 사용하여 타임스탬프 변칙을 검색하는 만들기 SrCnnAnomalyEstimator
DetectChangePointBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)	SSA(단수 스펙트럼 분석)를 사용하여 시계열의 변경 지점을 예측하는 만들기 SsaChangePointEstimator
DetectChangePointBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)	사용되지 않음. SSA(단수 스펙트럼 분석)를 사용하여 시계열의 변경 지점을 예측하는 만들기 SsaChangePointEstimator
DetectEntireAnomalyBySrCnn(AnomalyDetectionCatalog, IDataView, String, String, Double, Int32, Double, SrCnnDetectMode)	만들기 Microsoft.ML.TimeSeries.SrCnnEntireAnomalyDetector- SRCNN 알고리즘을 사용하여 전체 입력에 대한 시간 변칙을 검색합니다.
DetectEntireAnomalyBySrCnn(AnomalyDetectionCatalog, IDataView, String, String, SrCnnEntireAnomalyDetectorOptions)	만들기 Microsoft.ML.TimeSeries.SrCnnEntireAnomalyDetector- SRCNN 알고리즘을 사용하여 전체 입력에 대한 시간 변칙을 검색합니다.
DetectIidChangePoint(TransformsCatalog, String, String, Double, Int32, MartingaleType, Double)	적응 커널 밀도 예측 및 martingale 점수를 기반으로 독립적으로 동일하게 분산된(i.i.d.) 시계열의 변경 지점을 예측하는 CreateIidChangePointEstimator입니다.
DetectIidChangePoint(TransformsCatalog, String, String, Int32, Int32, MartingaleType, Double)	사용되지 않음. 적응 커널 밀도 예측 및 martingale 점수를 기반으로 독립적으로 동일하게 분산된(i.i.d.) 시계열의 변경 지점을 예측하는 CreateIidChangePointEstimator입니다.
DetectIidSpike(TransformsCatalog, String, String, Double, Int32, AnomalySide)	Create IidSpikeEstimator- 적응 커널 밀도 예측 및 martingale 점수를 기반으로 독립적으로 동일하게 분산된(즉, d.d.) 시계열의 급증을 예측합니다.
DetectIidSpike(TransformsCatalog, String, String, Int32, Int32, AnomalySide)	사용되지 않음. Create IidSpikeEstimator- 적응 커널 밀도 예측 및 martingale 점수를 기반으로 독립적으로 동일하게 분산된(즉, d.d.) 시계열의 급증을 예측합니다.
DetectSeasonality(AnomalyDetectionCatalog, IDataView, String, Int32, Double)	시계열 데이터에서 계절성(또는 주기성)은 매주, 매월 또는 분기별와 같은 특정 정기적인 간격으로 발생하는 변형의 존재입니다. 이 메서드는 푸리에 분석 기술을 채택하여 예측 가능한 간격(또는 마침표)을 검색합니다. 입력 값이 동일한 시간 간격(예: 타임스탬프별로 매 초마다 수집되는 센서 데이터)을 갖는 경우 이 메서드는 시계열 데이터 목록을 사용하고 입력 계절 데이터의 정규 기간을 반환합니다. 예측 가능한 변동 또는 패턴이 입력 값 전체에서 이 기간 동안 재귀하거나 반복되는 것을 발견할 수 있는 경우. 이러한 패턴이 없으면 -1을 반환합니다. 즉, 입력 값이 계절적 변동을 따르지 않습니다.
DetectSpikeBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, AnomalySide, ErrorFunction)	SSA(단수 스펙트럼 분석)를 사용하여 시계열의 급증을 예측하는 CreateSsaSpikeEstimator.
DetectSpikeBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, AnomalySide, ErrorFunction)	사용되지 않음. SSA(단수 스펙트럼 분석)를 사용하여 시계열의 급증을 예측하는 CreateSsaSpikeEstimator.
ForecastBySsa(ForecastingCatalog, String, String, Int32, Int32, Int32, Int32, Boolean, Single, RankSelectionMethod, Nullable<Int32>, Nullable<Int32>, Boolean, Boolean, Nullable<GrowthRatio>, String, String, Single, Boolean)	일변량 시계열 예측을 위한 SSA(단수 스펙트럼 분석) 모델입니다. 모델의 세부 정보는 을 참조하세요 http://arxiv.org/pdf/1206.6910.pdf.
LocalizeRootCause(AnomalyDetectionCatalog, RootCauseLocalizationInput, Double, Double)	만들기 RootCause- 의사 결정 트리 알고리즘을 사용하여 근본 원인을 지역화합니다.
LocalizeRootCauses(AnomalyDetectionCatalog, RootCauseLocalizationInput, Double, Double)	정렬된 s 목록을 RootCause출력합니다. 순서는 준비된 원인이 근본 원인이 될 가능성이 가장 높은 순서에 해당합니다.