SsaForecastingEstimator Sınıf
Tanım
Önemli
Bazı bilgiler ürünün ön sürümüyle ilgilidir ve sürüm öncesinde önemli değişiklikler yapılmış olabilir. Burada verilen bilgilerle ilgili olarak Microsoft açık veya zımni hiçbir garanti vermez.
Tekil Spektrum Analizi kullanan tahminler.
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)
- Devralma
-
SsaForecastingEstimator
- Uygulamalar
Açıklamalar
Bu tahmin aracını oluşturmak için ForecastBySsa kullanın
Giriş ve Çıkış Sütunları
Yalnızca bir giriş sütunu vardır. Giriş sütunu, bir Single değerin Single zaman serisindeki bir zaman damgasında bir değeri gösterdiği yer olmalıdır.
Tahmin edilen değerlerden yalnızca bir vektör veya üç vektör üretir: tahmin edilen değerlerin vektöru, güvenilirlik alt sınırları ve güvenilirlik üst sınırları vektör.
Tahmin Aracı Özellikleri
Bu tahmin aracının parametrelerini eğitmek için verilere bakması gerekiyor mu? | Yes |
Giriş sütunu veri türü | Single |
Çıkış sütunu veri türü | Vektör Single |
ONNX'e aktarılabilir | No |
Tahmin Aracı Özellikleri
Makine öğrenmesi görevi | Anormallik algılama |
Normalleştirme gerekli mi? | No |
Önbelleğe alma gerekli mi? | No |
Microsoft.ML ek olarak gerekli NuGet | Microsoft.ML.TimeSeries |
Eğitim Algoritması Ayrıntıları
Bu sınıf , Tekil Spektrum Analizi(SSA) temelinde genel anomali algılama dönüşümünü uygular. SSA, zaman serisini eğilim, mevsimsellik ve kirlilik bileşenlerine ayırmanın yanı sıra zaman serisinin gelecekteki değerlerini tahmin etme konusunda güçlü bir çerçevedir. SSA, prensipte, spektrumdaki her bileşenin zaman serisindeki bir eğilime, mevsimsel veya kirlilik bileşenine karşılık geldiği giriş zaman serisinde spektral analiz gerçekleştirir. Tekil Spektrum Analizinin (SSA) ayrıntıları için bu belgeye bakın.
Kullanım örneklerinin bağlantıları için Ayrıca Bkz. bölümüne bakın.
Yöntemler
Fit(IDataView) |
Bir transformatörü eğitin ve iade edin. |
GetOutputSchema(SchemaShape) |
Transformatörler için şema yayma. Giriş şeması sağlanan şema gibiyse, verilerin çıkış şemasını döndürür. Olasılık aralıkları istenirse üç çıkış sütunu oluşturur, aksi takdirde yalnızca bir sütun oluşturulur. |
Uzantı Metotları
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Tahmin aracı zincirine bir 'önbelleğe alma denetim noktası' ekler. Bu, aşağı akış tahmincilerinin önbelleğe alınan verilere karşı eğitilmesini sağlar. Birden çok veri geçişi alan eğitmenlerden önce bir önbelleğe alma denetim noktası olması yararlıdır. |
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Tahmin aracı verildiğinde, çağrıldıktan sonra Fit(IDataView) temsilci çağıracak bir sarmalama nesnesi döndürün. Tahmin aracının neyin uygun olduğu hakkında bilgi döndürmesi genellikle önemlidir. Bu nedenle Fit(IDataView) yöntem yalnızca genel ITransformerbir nesne yerine özel olarak yazılan bir nesne döndürür. Bununla birlikte, aynı zamanda, IEstimator<TTransformer> genellikle birçok nesneye sahip işlem hatları halinde oluşturulur, bu nedenle transformatör almak istediğimiz tahmin aracının EstimatorChain<TLastTransformer> bu zincirde bir yere gömülü olduğu bir tahmin aracı zinciri oluşturmamız gerekebilir. Bu senaryo için, bu yöntem aracılığıyla sığdır çağrıldıktan sonra çağrılacak bir temsilci ekleyebiliriz. |
Şunlara uygulanır
Ayrıca bkz.
Geri Bildirim
https://aka.ms/ContentUserFeedback.
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz.Gönderin ve geri bildirimi görüntüleyin