TimeSeriesCatalog.DetectSeasonality Метод
Определение
Важно!
Некоторые сведения относятся к предварительной версии продукта, в которую до выпуска могут быть внесены существенные изменения. Майкрософт не предоставляет никаких гарантий, явных или подразумеваемых, относительно приведенных здесь сведений.
В данных временных рядов сезонность (или периодичность) — это наличие вариантов, происходящих с определенными регулярными интервалами, например еженедельно, ежемесячно или ежеквартально.
Этот метод обнаруживает этот прогнозируемый интервал (или период), внедряя методы анализа фурье. При условии, что входные значения имеют одинаковый интервал времени (например, данные датчиков, собранные каждые секунды по меткам времени), этот метод принимает список данных временных рядов и возвращает регулярный период для входных сезонных данных, если можно обнаружить прогнозируемое колебание или шаблон, которые рекурсирует или повторяется в течение этого периода на протяжении входных значений.
Возвращает значение -1, если такой шаблон не найден, то есть входные значения не следуют сезонным колебаниям.
public static int DetectSeasonality (this Microsoft.ML.AnomalyDetectionCatalog catalog, Microsoft.ML.IDataView input, string inputColumnName, int seasonalityWindowSize = -1, double randomnessThreshold = 0.95);
static member DetectSeasonality : Microsoft.ML.AnomalyDetectionCatalog * Microsoft.ML.IDataView * string * int * double -> int
<Extension()>
Public Function DetectSeasonality (catalog As AnomalyDetectionCatalog, input As IDataView, inputColumnName As String, Optional seasonalityWindowSize As Integer = -1, Optional randomnessThreshold As Double = 0.95) As Integer
Параметры
- catalog
- AnomalyDetectionCatalog
Каталог сезонности обнаружения.
- seasonalityWindowSize
- Int32
Верхняя граница числа значений, которые необходимо учитывать во входных значениях. Если задано значение -1, используйте все входные данные для соответствия модели; Если задано положительное целое число, будет считаться только первое число значений windowSize. Значение по умолчанию — -1.
- randomnessThreshold
- Double
Порог случайности , указывающий, насколько уверенно входные значения соответствуют прогнозируемой схеме повторяющихся в качестве сезонных данных. Диапазон находится в диапазоне от [0, 1]. По умолчанию устанавливается значение 0,95.
Возвращаемое значение
Регулярный интервал для входных данных в качестве сезонных данных, в противном случае возвращает значение -1.
Примеры
using System;
using System.Collections.Generic;
using System.Linq;
using Microsoft.ML;
using Microsoft.ML.TimeSeries;
namespace Samples.Dynamic
{
public static class DetectSeasonality
{
public static void Example()
{
/* Create a new ML context, for ML.NET operations. It can be used for
exception tracking and logging, as well as the source of randomness.*/
var mlContext = new MLContext();
// Create a seasonal data as input: y = sin(2 * Pi + x)
var seasonalData = Enumerable.Range(0, 100).Select(x => new TimeSeriesData(Math.Sin(2 * Math.PI + x)));
// Load the input data as a DataView.
var dataView = mlContext.Data.LoadFromEnumerable(seasonalData);
/* Two option parameters:
* seasonalityWindowSize: Default value is -1. When set to -1, use the whole input to fit model;
* when set to a positive integer, only the first windowSize number of values will be considered.
* randomnessThreshold: Randomness threshold that specifies how confidence the input values follows
* a predictable pattern recurring as seasonal data. By default, it is set as 0.99.
* The higher the threshold is set, the more strict recurring pattern the
* input values should follow to be determined as seasonal data.
*/
int period = mlContext.AnomalyDetection.DetectSeasonality(
dataView,
nameof(TimeSeriesData.Value),
seasonalityWindowSize: 40);
// Print the Seasonality Period result.
Console.WriteLine($"Seasonality Period: #{period}");
}
private class TimeSeriesData
{
public double Value;
public TimeSeriesData(double value)
{
Value = value;
}
}
}
}