AnomalyDetectionCatalog Klasse

Definition

Namespace:: Microsoft.ML

Assembly:: Microsoft.ML.Data.dll

Paket:: Microsoft.ML v4.0.1

Paket:: Microsoft.ML v1.0.0

Paket:: Microsoft.ML v1.1.0

Paket:: Microsoft.ML v1.2.0

Paket:: Microsoft.ML v1.3.1

Paket:: Microsoft.ML v1.4.0

Paket:: Microsoft.ML v1.5.5

Paket:: Microsoft.ML v1.6.0

Paket:: Microsoft.ML v1.7.0

Paket:: Microsoft.ML v2.0.1

Paket:: Microsoft.ML v3.0.1

Paket:: Microsoft.ML v5.0.0-preview.1.25125.4

Quelle:: TrainCatalog.cs

Quelle:: TrainCatalog.cs

Quelle:: TrainCatalog.cs

Wichtig

Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.

Klasse, die verwendet MLContext wird, um Instanzen von Anomalieerkennungskomponenten wie Trainern und Bewertern zu erstellen.

public sealed class AnomalyDetectionCatalog : Microsoft.ML.TrainCatalogBase

type AnomalyDetectionCatalog = class
    inherit TrainCatalogBase

Public NotInheritable Class AnomalyDetectionCatalog
Inherits TrainCatalogBase

Vererbung: Object

TrainCatalogBase
AnomalyDetectionCatalog

Eigenschaften

Name	Beschreibung
Trainers	Die Liste der Trainer zur Anomalieerkennung.

Methoden

Name	Beschreibung
ChangeModelThreshold<TModel>(AnomalyPredictionTransformer<TModel>, Single)	Erstellt eine neue AnomalyPredictionTransformer<TModel> mit der angegebenen `threshold`. Wenn die angegebene Angabe `threshold` mit dem `model` Schwellenwert identisch ist, wird einfach zurückgegeben `model`. Beachten Sie, dass der Schwellenwert standardmäßig 0,5 ist und gültige Ergebnisse zwischen 0 und 1 liegen.
Evaluate(IDataView, String, String, String, Int32)	Wertet bewertete Anomalieerkennungsdaten aus.

Erweiterungsmethoden

Name	Beschreibung
DetectEntireAnomalyBySrCnn(AnomalyDetectionCatalog, IDataView, String, String, Double, Int32, Double, SrCnnDetectMode)	Erstellen Sie Microsoft.ML.TimeSeries.SrCnnEntireAnomalyDetector, wodurch Zeitserienanomalien für die gesamte Eingabe mithilfe des SRCNN-Algorithmus erkannt werden.
DetectEntireAnomalyBySrCnn(AnomalyDetectionCatalog, IDataView, String, String, SrCnnEntireAnomalyDetectorOptions)	Erstellen Sie Microsoft.ML.TimeSeries.SrCnnEntireAnomalyDetector, wodurch Zeitserienanomalien für die gesamte Eingabe mithilfe des SRCNN-Algorithmus erkannt werden.
DetectSeasonality(AnomalyDetectionCatalog, IDataView, String, Int32, Double)	In Zeitreihendaten ist Saisonalität (oder Periodizität) das Vorhandensein von Variationen, die in bestimmten regelmäßigen Intervallen auftreten, z. B. wöchentlich, monatlich oder vierteljährlich. Diese Methode erkennt dieses vorhersagbare Intervall (oder einen Zeitraum), indem Techniken der Fourieranalyse übernommen werden. Vorausgesetzt, die Eingabewerte weisen das gleiche Zeitintervall auf (z. B. Sensordaten, die bei jeder sekunde sortiert nach Zeitstempeln gesammelt werden), verwendet diese Methode eine Liste der Daten der Zeitreihen und gibt den regulären Zeitraum für die Eingabesaisondaten zurück, wenn eine vorhersehbare Fluktuation oder ein vorhersagbares Muster gefunden werden kann, das über diesen Zeitraum während dieses Zeitraums in den Eingabewerten rekursiert oder wiederholt wird. Gibt -1 zurück, wenn kein solches Muster gefunden wird, d. h., die Eingabewerte folgen keine saisonalen Fluktuationen.
LocalizeRootCause(AnomalyDetectionCatalog, RootCauseLocalizationInput, Double, Double)	Erstellen Sie RootCause, wodurch die Ursachen mithilfe des Entscheidungsstrukturalgorithmus lokalisiert werden.
LocalizeRootCauses(AnomalyDetectionCatalog, RootCauseLocalizationInput, Double, Double)	Gibt eine sortierte Liste von RootCauses aus. Die Reihenfolge entspricht der vorbereiteten Ursache ist wahrscheinlich die Ursache.

Gilt für: