SsaSpikeEstimator 類別

定義

命名空間:

Microsoft.ML.Transforms.TimeSeries

組件:

Microsoft.ML.TimeSeries.dll

套件:

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

來源:

SsaSpikeDetector.cs

使用單一頻譜分析來偵測時間序列尖峰。

C#

public sealed class SsaSpikeEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.TimeSeries.SsaSpikeDetector>

繼承

Object

SsaSpikeEstimator

實作

IEstimator<SsaSpikeDetector>

備註

若要建立此估算器，請使用 DetectSpikeBySsa

輸入和輸出資料行

只有一個輸入資料行。 輸入資料行必須是 SingleSingle 值表示時間序列中時間戳記的值。

它會產生具有 3 個元素的向量資料行。 輸出向量會循序包含警示層級， (非零值表示變更點) 、分數和 p 值。

估算器特性

此估算器是否需要查看資料來定型其參數？	是
輸入資料行資料類型	Single
輸出資料行資料類型	的 3 元素向量 Double
可匯出至 ONNX	否

估算器特性

機器學習工作	異常偵測
是否需要正規化？	否
是否需要快取？	否
除了 Microsoft.ML 之外，還需要 NuGet	Microsoft.ML.TimeSeries

定型演算法詳細資料

這個類別會根據 SSA (SSA) ，實作一般異常偵測轉換。 SSA 是一個功能強大的架構，可用於將時間序列分解成趨勢、季節性和雜訊元件，以及預測時間序列的未來值。 基本上，SSA 會對頻譜中的每個元件對應到時間序列中的趨勢、季節性或雜訊元件，在輸入時間序列上執行一個信號分析。 如需 SSA) (單一頻譜分析的詳細資料，請參閱 本檔。

異常計分器

在計算時間戳記的原始分數之後，它會饋送至異常計分器元件，以在該時間戳記計算最終異常分數。

根據 p 值進行尖峰偵測

p 值分數表示目前點是否為極端值 (也稱為尖峰) 。 其值越低，越有可能是尖峰。 p 值分數一律為 $[0，1]$。

此分數是根據原始分數分佈，目前計算的原始分數的 p 值。 在這裡，系統會根據最新的原始分數值來估計分佈，最多到歷程記錄中的特定深度。 更具體來說，此分佈是使用 核心密度估計 搭配調適型頻寬的 Gaussian 核心 來估計。

如果 p 值分數超過 $\text{Missing argument for frac}$ {100} ，相關聯的時間戳記可能會在尖峰偵測中取得非零的警示值，這表示偵測到尖峰點。 請注意，$\text{confidence}$ 定義于 DetectIidSpike 和 DetectSpikeBySsa的簽章中。

如需使用範例的連結，請參閱另請參閱一節。

方法

Fit(IDataView)	定型並傳回轉換器。
GetOutputSchema(SchemaShape)	轉換器的架構傳播。 如果輸入架構與所提供的架構類似，則傳回資料的輸出架構。

擴充方法

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	將「快取檢查點」附加至估算器鏈結。 這可確保下游估算器會針對快取的資料定型。 在接受多個資料通過的定型器之前，擁有快取檢查點會很有説明。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	假設有估算器，則會傳回包裝物件，一旦 Fit(IDataView) 呼叫委派即可。 估算器通常必須傳回符合專案的相關資訊，這就是方法 Fit(IDataView) 傳回特定型別物件的原因，而不是只傳回一般 ITransformer 。 不過，同時 IEstimator<TTransformer> ，通常會形成具有許多物件的管線，因此我們可能需要透過 EstimatorChain<TLastTransformer> 建置估算器的鏈結，而我們想要取得轉換器的估算器會在此鏈結的某處被隱藏。 在該案例中，我們可以透過此方法附加呼叫一次將會呼叫的委派。

適用於

另請參閱

• DetectSpikeBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, AnomalySide, ErrorFunction)