SsaForecastingEstimator Classe

Definição

Namespace:

Microsoft.ML.Transforms.TimeSeries

Assembly:

Microsoft.ML.TimeSeries.dll

Pacote:

Microsoft.ML.TimeSeries v3.0.1

Previsões usando a Análise de Espectro Singular.

public sealed class SsaForecastingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.TimeSeries.SsaForecastingTransformer>

type SsaForecastingEstimator = class
    interface IEstimator<SsaForecastingTransformer>

Public NotInheritable Class SsaForecastingEstimator
Implements IEstimator(Of SsaForecastingTransformer)

Herança

Object

SsaForecastingEstimator

Implementações

IEstimator<SsaForecastingTransformer>

Comentários

Para criar esse avaliador, use ForecastBySsa

Colunas de entrada e saída

Há apenas uma coluna de entrada. A coluna de entrada deve ser Single onde um Single valor indica um valor em um carimbo de data/hora na série temporal.

Ele produz apenas um vetor de valores previstos ou três vetores: um vetor de valores previstos, um vetor de limites inferiores de confiança e um vetor de limites superiores de confiança.

Características do avaliador

Esse avaliador precisa examinar os dados para treinar seus parâmetros?	Sim
Tipo de dados de coluna de entrada	Single
Tipo de dados da coluna de saída	Vetor de Single
Exportável para ONNX	No

Características do avaliador

Ferramenta de machine learning	Detecção de anomalias
A normalização é necessária?	Não
O cache é necessário?	No
NuGet necessário além de Microsoft.ML	Microsoft.ML.TimeSeries

Detalhes do algoritmo de treinamento

Essa classe implementa a transformação geral de detecção de anomalias com base na SSA (Análise de Espectro Singular). O SSA é uma estrutura poderosa para decompor a série temporal em componentes de tendência, sazonalidade e ruído, bem como prever os valores futuros da série temporal. Em princípio, o SSA executa uma análise espectral na série temporal de entrada em que cada componente no espectro corresponde a uma tendência, sazonal ou componente de ruído na série temporal. Para obter detalhes da Singular Spectrum Analysis (SSA), consulte este documento.

Verifique a seção Consulte Também para obter links para exemplos de uso.

Métodos

Fit(IDataView)	Treine e retorne um transformador.
GetOutputSchema(SchemaShape)	Propagação de esquema para transformadores. Retorna o esquema de saída dos dados, se o esquema de entrada for semelhante ao fornecido. Criará três colunas de saída se forem solicitados intervalos de confiança, caso contrário, apenas um.

Métodos de Extensão

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

Acrescente um 'ponto de verificação de cache' à cadeia do avaliador. Isso garantirá que os estimadores downstream sejam treinados em relação aos dados armazenados em cache. É útil ter um ponto de verificação de cache antes dos treinadores que levam vários passes de dados.

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

Dado um avaliador, retorne um objeto de encapsulamento que chamará um delegado uma vez Fit(IDataView) que seja chamado. Geralmente, é importante que um avaliador retorne informações sobre o que estava em forma, e é por isso que o Fit(IDataView) método retorna um objeto especificamente tipado, em vez de apenas um geral ITransformer. No entanto, ao mesmo tempo, IEstimator<TTransformer> muitas vezes são formados em pipelines com muitos objetos, portanto, talvez seja necessário criar uma cadeia de avaliadores por meio EstimatorChain<TLastTransformer> de onde o estimador para o qual queremos obter o transformador está enterrado em algum lugar nesta cadeia. Para esse cenário, podemos por meio desse método anexar um delegado que será chamado assim que o ajuste for chamado.

Confira também

• ForecastBySsa(ForecastingCatalog, String, String, Int32, Int32, Int32, Int32, Boolean, Single, RankSelectionMethod, Nullable<Int32>, Nullable<Int32>, Boolean, Boolean, Nullable<GrowthRatio>, String, String, Single, Boolean)