SsaForecastingEstimator Класс

Определение

Пространство имен:

Microsoft.ML.Transforms.TimeSeries

Сборка:

Microsoft.ML.TimeSeries.dll

Пакет:

Microsoft.ML.TimeSeries v5.0.0-preview.1.25125.4

Исходный код:

SSaForecasting.cs

Прогнозы с помощью анализа сингулярного спектра.

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)

Наследование

Object

SsaForecastingEstimator

Реализации

IEstimator<SsaForecastingTransformer>

Комментарии

Чтобы создать этот оценщик, используйте ForecastBySsa

Входные и выходные столбцы

Существует только один входной столбец. Входной Single столбец должен бытьSingle, где значение указывает значение в метке времени в временных рядах.

Он создает либо только один вектор прогнозируемых значений, либо три вектора: вектор прогнозируемых значений, вектор достоверности нижних границ и вектор достоверности верхних границ.

Характеристики оценки

Должен ли этот оценщик просмотреть данные для обучения его параметров?	Yes
Тип данных входного столбца	Single
Тип данных выходного столбца	Вектор Single
Экспортируемый в ONNX	No

Характеристики оценки

Задача машинного обучения	Обнаружение аномалий
Требуется ли нормализация?	No
Требуется ли кэширование?	No
Обязательный NuGet в дополнение к Microsoft.ML	Microsoft.ML.TimeSeries

Сведения об алгоритме обучения

Этот класс реализует общее преобразование обнаружения аномалий на основе анализа спектра (SSA). SSA — это мощная платформа для разложения временных рядов в тренде, сезонных и шумовых компонентов, а также прогнозирования будущих значений временных рядов. В принципе, SSA выполняет анализ спектрального анализа входных временных рядов, где каждый компонент в спектре соответствует тренду, сезонному или шумному компоненту в временных рядах. Дополнительные сведения об анализе сингулярного спектра (SSA) см. в этом документе.

Ознакомьтесь с разделом "См. также" ссылки на примеры использования.

Методы

Имя	Описание
Fit(IDataView)	Обучение и возвращение преобразователя.
GetOutputSchema(SchemaShape)	Распространение схемы для преобразователей. Возвращает выходную схему данных, если входная схема похожа на указанную. Создает три выходных столбца, если запрашиваются доверительный интервал, в противном случае — только один.

Методы расширения

Имя	Описание
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	Добавьте "контрольную точку кэширования" в цепочку оценщика. Это гарантирует, что нижестоящий оценщик будет обучен по кэшированным данным. Рекомендуется использовать контрольную точку кэширования перед обучением, которые принимают несколько передач данных.
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	При оценке возвращает объект оболочки, который вызовет делегат после Fit(IDataView) вызова. Часто важно для оценки возвращать сведения о том, что было подходяще, поэтому Fit(IDataView) метод возвращает специально типизированный объект, а не просто общий ITransformer. Однако, в то же время, IEstimator<TTransformer> часто формируются в конвейеры с множеством объектов, поэтому нам может потребоваться построить цепочку оценщиков с помощью EstimatorChain<TLastTransformer> того, где оценка, для которой мы хотим получить преобразователь, похоронен где-то в этой цепочке. В этом сценарии мы можем подключить делегат, который будет вызываться после вызова.

См. также раздел

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