AnomalyDetectionCatalog Sınıf

Tanım

Ad Alanı:

Microsoft.ML

Bütünleştirilmiş Kod:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v3.0.1

eğitmenler ve değerlendiriciler gibi anomali algılama bileşenlerinin örneklerini oluşturmak için tarafından MLContext kullanılan sınıf.

public sealed class AnomalyDetectionCatalog : Microsoft.ML.TrainCatalogBase

type AnomalyDetectionCatalog = class
    inherit TrainCatalogBase

Public NotInheritable Class AnomalyDetectionCatalog
Inherits TrainCatalogBase

Devralma

Object

TrainCatalogBase

AnomalyDetectionCatalog

Özellikler

Trainers

Anomali algılama için eğitmenlerin listesi.

Yöntemler

ChangeModelThreshold<TModel>(AnomalyPredictionTransformer<TModel>, Single)	Belirtilen thresholdile yeni AnomalyPredictionTransformer<TModel> bir oluşturur. Sağlanan threshold eşik ile model aynıysa yalnızca döndürür model. Varsayılan olarak eşiğin 0,5 olduğunu ve geçerli puanların 0 ile 1 arasında olduğunu unutmayın.
Evaluate(IDataView, String, String, String, Int32)	Puanlanan anomali algılama verilerini değerlendirir.

Uzantı Metotları

DetectEntireAnomalyBySrCnn(AnomalyDetectionCatalog, IDataView, String, String, SrCnnEntireAnomalyDetectorOptions)	SRCNN algoritmasını kullanarak girişin tamamı için zaman değerleri anomalilerini algılayan öğesini oluşturun Microsoft.ML.TimeSeries.SrCnnEntireAnomalyDetector.
DetectEntireAnomalyBySrCnn(AnomalyDetectionCatalog, IDataView, String, String, Double, Int32, Double, SrCnnDetectMode)	SRCNN algoritmasını kullanarak girişin tamamı için zaman değerleri anomalilerini algılayan öğesini oluşturun Microsoft.ML.TimeSeries.SrCnnEntireAnomalyDetector.
DetectSeasonality(AnomalyDetectionCatalog, IDataView, String, Int32, Double)	Zaman serisi verilerinde mevsimsellik (veya dönemsellik), haftalık, aylık veya üç aylık gibi belirli düzenli aralıklarla gerçekleşen varyasyonların varlığıdır. Bu yöntem, fourier analiz tekniklerini benimseyerek bu öngörülebilir aralığı (veya dönemi) algılar. Giriş değerlerinin aynı zaman aralığına sahip olduğu varsayıldığında (örneğin, zaman damgalarına göre sıralanmış her saniyede toplanan algılayıcı verileri), bu yöntem zaman serisi verilerinin listesini alır ve giriş değerleri boyunca bu süre boyunca yinelenen veya yinelenen tahmin edilebilir bir dalgalanma veya desen bulunabiliyorsa, giriş mevsimsel verileri için normal süreyi döndürür. Böyle bir desen bulunamazsa, yani giriş değerleri mevsimsel bir dalgalanmayı izlemezse -1 döndürür.
LocalizeRootCause(AnomalyDetectionCatalog, RootCauseLocalizationInput, Double, Double)	Karar ağacı algoritmalarını kullanarak kök nedenleri yerelleştiren öğesini oluşturun RootCause.
LocalizeRootCauses(AnomalyDetectionCatalog, RootCauseLocalizationInput, Double, Double)	Sıralı bir s listesi RootCauseoluşturur. Sıra, en çok hangi hazırlık nedeninin kök neden olduğuna karşılık gelir.