SsaSpikeEstimator 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 Analizini kullanarak zaman serisindeki ani artışları algılama.
public sealed class SsaSpikeEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.TimeSeries.SsaSpikeDetector>
type SsaSpikeEstimator = class
interface IEstimator<SsaSpikeDetector>
Public NotInheritable Class SsaSpikeEstimator
Implements IEstimator(Of SsaSpikeDetector)
- Devralma
-
SsaSpikeEstimator
- Uygulamalar
Açıklamalar
Bu tahmin aracını oluşturmak için DetectSpikeBySsa 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.
3 öğeli bir vektör olan bir sütun üretir. Çıkış vektörünü sıralı olarak uyarı düzeyi (sıfır olmayan değer bir değişiklik noktası, puan ve p değeri anlamına gelir) içerir.
Tahmin Aracı Özellikleri
Bu tahmin aracının parametrelerini eğitmek için verilere bakması gerekiyor mu? | Yes |
Giriş sütunu veri türü | Single |
Çıkış sütunu veri türü | 3 öğeli vektör Double |
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.
Anomali Puanlayıcısı
Bir zaman damgasındaki ham puan hesaplandıktan sonra, anomali puanlayıcısı bileşenine beslenip söz konusu zaman damgasındaki son anomali puanı hesaplanır.
p değerine göre ani artış algılama
p değeri puanı, geçerli noktanın aykırı değer olup olmadığını gösterir (ani artış olarak da bilinir). Değeri ne kadar düşükse ani bir artış olasılığı da o kadar yüksektir. p değeri puanı her zaman $[0, 1]$ şeklindedir.
Bu puan, ham puanların dağılımına göre geçerli hesaplanan ham puanın p değeridir. Burada dağıtım, geçmişteki belirli bir derinliğe kadar olan en son ham puan değerlerine göre tahmin edilir. Daha açık belirtmek gerekirse, bu dağılım, uyarlamalı bant genişliğine sahip Gauss çekirdekleri ile çekirdekyoğunluğu tahmini kullanılarak tahmin edilir.
P değeri puanı $1 - \frac{\text{confidence}}{100}$ değerini aşarsa, ilişkili zaman damgası ani artış algılamada sıfır olmayan bir uyarı değeri alabilir ve bu da bir ani artış noktası algılandığı anlamına gelir. DetectIidSpike ve DetectSpikeBySsa imzalarında $\text{confidence}$ öğesinin tanımlandığını unutmayın.
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. |
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. |