IidSpikeEstimator Classe
Définition
Important
Certaines informations portent sur la préversion du produit qui est susceptible d’être en grande partie modifiée avant sa publication. Microsoft exclut toute garantie, expresse ou implicite, concernant les informations fournies ici.
Détectez un pic de signal sur une série chronologique distribuée de manière indépendante (i.i.d.) en fonction de l’estimation de densité du noyau adaptatif.
public sealed class IidSpikeEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.TimeSeries.IidSpikeDetector>type IidSpikeEstimator = class
inherit TrivialEstimator<IidSpikeDetector>Public NotInheritable Class IidSpikeEstimator
Inherits TrivialEstimator(Of IidSpikeDetector)- Héritage
Remarques
Pour créer cet estimateur, utilisez DetectIidSpike.
Colonnes d’entrée et de sortie
Il n’existe qu’une seule colonne d’entrée. La colonne d’entrée doit être Single l’emplacement où une Single valeur indique une valeur à un horodatage dans la série chronologique.
Elle produit une colonne qui est un vecteur avec 3 éléments. Le vecteur de sortie contient séquentiellement le niveau d’alerte (valeur non nulle signifie un point de modification), un score et une valeur p.
Caractéristiques de l’estimateur
| Cet estimateur doit-il examiner les données pour entraîner ses paramètres ? | Non |
| Type de données de colonne d’entrée | Single |
| Type de données de colonne de sortie | Vecteur de 3 éléments deDouble |
| Exportable vers ONNX | Non |
Caractéristiques de l’estimateur
| Tâche Machine Learning | Détection des anomalies |
| La normalisation est-elle nécessaire ? | Non |
| La mise en cache est-elle requise ? | Non |
| NuGet requis en plus de Microsoft.ML | Microsoft.ML.TimeSeries |
Détails de l’algorithme d’apprentissage
Ce formateur part du principe que les points de données collectés dans la série chronologique sont échantillonnés indépendamment de la même distribution (indépendamment de la même distribution). Par conséquent, la valeur de l’horodatage actuel peut être vue comme valeur à l’horodatage suivant dans l’attente. Si la valeur observée au timestamp $t-1$ est $p$, la valeur prédite à $t$ timestamp serait également $p$.
Scoreur d’anomalies
Une fois que le score brut à un horodatage est calculé, il est alimenté au composant du scoreur d’anomalie pour calculer le score d’anomalie final à ce timestamp.
Détection de pics en fonction de la valeur p
Le score p-value indique si le point actuel est une valeur hors norme (également appelée pic). Plus sa valeur est faible, plus il est probable qu’il s’agit d’un pic. Le score p-value est toujours en $[0, 1]$.
Ce score est la valeur p du score brut calculé actuel en fonction d’une distribution des scores bruts. Ici, la distribution est estimée en fonction des valeurs de score brutes les plus récentes jusqu’à une certaine profondeur dans l’historique. Plus précisément, cette distribution est estimée à l’aide de l’estimation de densité du noyau avec les noyaux gaussiens de bande passante adaptative.
Si le score p-value dépasse $1 - \frac{\text{confidence}}{100}$, l’horodatage associé peut obtenir une valeur d’alerte non nulle dans la détection de pics, ce qui signifie qu’un point de pic est détecté. Notez que $\text{confidence}$ est défini dans les signatures de DetectIidSpike et DetectSpikeBySsa.
Consultez la section Voir aussi pour obtenir des liens vers des exemples d’utilisation.
Méthodes
| Nom | Description |
|---|---|
| Fit(IDataView) |
Détectez un pic de signal sur une série chronologique distribuée de manière indépendante (i.i.d.) en fonction de l’estimation de densité du noyau adaptatif. (Hérité de TrivialEstimator<TTransformer>) |
| GetOutputSchema(SchemaShape) |
Propagation de schéma pour les transformateurs. Retourne le schéma de sortie des données, si le schéma d’entrée est semblable à celui fourni. |
Méthodes d’extension
| Nom | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Ajoutez un « point de contrôle de mise en cache » à la chaîne d’estimateur. Cela garantit que les estimateurs en aval seront entraînés par rapport aux données mises en cache. Il est utile d’avoir un point de contrôle de mise en cache avant les formateurs qui prennent plusieurs passes de données. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
En fonction d’un estimateur, retournez un objet de création de package de restrictions qui appellera un délégué une fois Fit(IDataView) appelé. Il est souvent important pour un estimateur de retourner des informations sur ce qui était adapté, c’est pourquoi la Fit(IDataView) méthode retourne un objet spécifiquement typé, plutôt que simplement un général ITransformer. Toutefois, en même temps, IEstimator<TTransformer> sont souvent formés en pipelines avec de nombreux objets, nous devrons peut-être construire une chaîne d’estimateurs via EstimatorChain<TLastTransformer> laquelle l’estimateur pour lequel nous voulons obtenir le transformateur est enterré quelque part dans cette chaîne. Pour ce scénario, nous pouvons par le biais de cette méthode attacher un délégué qui sera appelé une fois l’ajustement appelé. |