SsaSpikeEstimator Klasse
Definition
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.
Erkennen von Spitzen in Zeitreihen mithilfe der Singular Spectrum Analysis.
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)- Vererbung
-
SsaSpikeEstimator
- Implementiert
Hinweise
Verwenden Sie "DetectSpikeBySsa", um diese Schätzung zu erstellen.
Eingabe- und Ausgabespalten
Es gibt nur eine Eingabespalte. In der Eingabespalte muss Single ein Single Wert einen Wert in einem Zeitstempel in der Zeitreihe angibt.
Es erzeugt eine Spalte, die ein Vektor mit 3 Elementen ist. Der Ausgabevektor enthält sequenziell Warnungsebene (ungleich Null bedeutet einen Änderungspunkt), einen Score und einen p-Wert.
Schätzeigenschaften
| Muss dieser Schätzer die Daten untersuchen, um seine Parameter zu trainieren? | Yes |
| Eingabespaltendatentyp | Single |
| Ausgabespaltendatentyp | 3-Elementvektor von Double |
| Exportierbar in ONNX | No |
Schätzeigenschaften
| Machine Learning-Aufgabe | Anomalieerkennung |
| Ist normalisierung erforderlich? | No |
| Ist zwischenspeichern erforderlich? | No |
| Erforderliches NuGet zusätzlich zu Microsoft.ML | Microsoft.ML.TimeSeries |
Details des Schulungsalgorithmus
Diese Klasse implementiert die allgemeine Anomalieerkennungstransformation basierend auf Singular Spectrum Analysis (SSA). SSA ist ein leistungsstarkes Framework für die Dekompilierung der Zeitreihen in Trend-, Saisonalitäts- und Lärmkomponenten sowie die Prognose der zukünftigen Werte der Zeitreihe. Grundsätzlich führt SSA eine spektrale Analyse der Eingabezeitreihe durch, bei der jede Komponente im Spektrum einer Trend-, Saison- oder Rauschkomponente in der Zeitreihe entspricht. Ausführliche Informationen zur Singular Spectrum Analysis (SSA) finden Sie in diesem Dokument.
Anomaliebewertung
Sobald die Rohbewertung zu einem Zeitstempel berechnet wird, wird sie an die Anomaliebewertungskomponente gefüttert, um die endgültige Anomaliebewertung zu diesem Zeitpunkt zu berechnen.
Spitzenerkennung basierend auf p-Wert
Der P-Wert-Score gibt an, ob der aktuelle Punkt ein Ausreißer ist (auch als Spitzen bezeichnet). Je niedriger sein Wert ist, desto wahrscheinlicher ist es eine Spitzen. Der p-Wert-Wert ist immer in $[0, 1]$.
Diese Bewertung ist der p-Wert des aktuellen berechneten Rohwerts gemäß einer Verteilung der Rohergebnisse. Hier wird die Verteilung basierend auf den letzten Rohwertwerten bis zu einer bestimmten Tiefe im Verlauf geschätzt. Genauer gesagt wird diese Verteilung mithilfe der Kerneldichteschätzung mit den gaussischen Kerneln der adaptiven Bandbreite geschätzt.
Wenn die p-Wert-Bewertung $1 - \frac{\text{confidence}}${100}überschreitet, erhält der zugeordnete Zeitstempel möglicherweise einen Wert ungleich Null bei der Spitzenerkennung, was bedeutet, dass ein Spitzenpunkt erkannt wird. Beachten Sie, dass $\text{confidence}$ in den Signaturen von DetectIidSpike und DetectSpikeBySsa definiert ist.
Im Abschnitt "Siehe auch" finden Sie Links zu Verwendungsbeispielen.
Methoden
| Name | Beschreibung |
|---|---|
| Fit(IDataView) |
Trainieren und Zurückgeben eines Transformators. |
| GetOutputSchema(SchemaShape) |
Schemaverteilung für Transformatoren. Gibt das Ausgabeschema der Daten zurück, wenn das Eingabeschema wie die bereitgestellte ist. |
Erweiterungsmethoden
| Name | Beschreibung |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Fügen Sie einen "Zwischenspeicherungsprüfpunkt" an die Schätzkette an. Dadurch wird sichergestellt, dass die nachgeschalteten Schätzer anhand zwischengespeicherter Daten trainiert werden. Es ist hilfreich, einen Zwischenspeicherprüfpunkt vor Trainern zu haben, die mehrere Datendurchläufe übernehmen. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Geben Sie bei einer Schätzung ein Wrapping-Objekt zurück, das eine Stellvertretung aufruft, sobald Fit(IDataView) sie aufgerufen wird. Es ist häufig wichtig, dass ein Schätzer Informationen zu dem, was passt, zurückgeben, weshalb die Fit(IDataView) Methode ein speziell typiertes Objekt und nicht nur ein allgemeines ITransformerObjekt zurückgibt. IEstimator<TTransformer> Gleichzeitig werden jedoch oft in Pipelines mit vielen Objekten gebildet, daher müssen wir möglicherweise eine Kette von Schätzern bauen, über EstimatorChain<TLastTransformer> die der Schätzer, für den wir den Transformator erhalten wollen, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode einen Delegat anfügen, der aufgerufen wird, sobald "Fit" aufgerufen wird. |