IidSpikeEstimator Klasa
Definicja
Ważne
Niektóre informacje odnoszą się do produktu w wersji wstępnej, który może zostać znacząco zmodyfikowany przed wydaniem. Firma Microsoft nie udziela żadnych gwarancji, jawnych lub domniemanych, w odniesieniu do informacji podanych w tym miejscu.
Wykrywanie skoku sygnału na niezależnej, identycznej dystrybucji (i.i.d.) szeregów czasowych w oparciu o adaptacyjne szacowanie gęstości jądra.
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)- Dziedziczenie
Uwagi
Aby utworzyć ten narzędzie do szacowania, użyj metody DetectIidSpike.
Kolumny wejściowe i wyjściowe
Istnieje tylko jedna kolumna wejściowa. Kolumna wejściowa musi być Single miejscem, w którym Single wartość wskazuje wartość na sygnaturze czasowej w szeregach czasowych.
Tworzy kolumnę, która jest wektorem z 3 elementami. Wektor wyjściowy sekwencyjnie zawiera poziom alertu (wartość niezerowa oznacza punkt zmiany), wynik i wartość p.
Charakterystyka narzędzia do szacowania
| Czy ten narzędzie do szacowania musi przyjrzeć się danym, aby wytrenować jego parametry? | No |
| Typ danych kolumny wejściowej | Single |
| Typ danych kolumny wyjściowej | Wektor 3-elementowyDouble |
| Możliwość eksportowania do ONNX | No |
Charakterystyka narzędzia do szacowania
| Zadanie uczenia maszynowego | Wykrywanie anomalii |
| Czy normalizacja jest wymagana? | No |
| Czy buforowanie jest wymagane? | No |
| Wymagane narzędzie NuGet oprócz Microsoft.ML | Microsoft.ML.TimeSeries |
Szczegóły algorytmu trenowania
Ten trener zakłada, że punkty danych zebrane w szeregach czasowych są niezależnie próbkowane z tego samego rozkładu (niezależnie rozdzielone). W związku z tym wartość na bieżącym znaczniku czasu może być postrzegana jako wartość przy następnym znaczniku czasu w oczekiwaniu. Jeśli obserwowana wartość znacznika czasu $t-1$ jest $p$, przewidywana wartość na $t$ będzie również $p$ .
Wskaźnik anomalii
Po obliczeniu nieprzetworzonego wyniku w znaczniku czasu jest on podawany do składnika modułu oceniania anomalii w celu obliczenia końcowego wyniku anomalii w tym znaczniku czasu.
Wykrywanie skoków na podstawie wartości p
Wynik p-value wskazuje, czy bieżący punkt jest wartością odstawną (znaną również jako skok). Im niższa jego wartość, tym bardziej prawdopodobne jest wzrost. Wynik p-value jest zawsze w $[0, 1]$.
Ten wynik jest wartością p bieżącego obliczonego nieprzetworzonego wyniku zgodnie z rozkładem nieprzetworzonych wyników. W tym miejscu rozkład jest szacowany na podstawie najnowszych nieprzetworzonych wartości oceny do określonej głębokości z powrotem w historii. W szczególności ten rozkład jest szacowany przy użyciu szacowania gęstości jądra z gaussowskimi jądrami adaptacyjnej przepustowości.
Jeśli wynik p-value przekracza $1 - \frac{\text{confidence}}{100}$, skojarzony znacznik czasu może uzyskać niezerową wartość alertu w wykrywaniu skoku, co oznacza, że zostanie wykryty punkt skoku. Należy pamiętać, że element $\text{confidence}$ jest zdefiniowany w podpisach detectIidSpike i DetectSpikeBySsa.
Zapoznaj się z sekcją Zobacz również, aby uzyskać linki do przykładów użycia.
Metody
| Nazwa | Opis |
|---|---|
| Fit(IDataView) |
Wykrywanie skoku sygnału na niezależnej, identycznej dystrybucji (i.i.d.) szeregów czasowych w oparciu o adaptacyjne szacowanie gęstości jądra. (Odziedziczone po TrivialEstimator<TTransformer>) |
| GetOutputSchema(SchemaShape) |
Propagacja schematu dla transformatorów. Zwraca schemat wyjściowy danych, jeśli schemat wejściowy jest podobny do podanego. |
Metody rozszerzania
| Nazwa | Opis |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Dołącz punkt kontrolny buforowania do łańcucha narzędzia do szacowania. Zapewni to, że narzędzia do szacowania podrzędnego zostaną wytrenowane z buforowanych danych. Warto mieć punkt kontrolny buforowania, zanim trenerzy przejdą wiele danych. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Biorąc pod uwagę narzędzie do szacowania, zwróć obiekt opakowujący, który wywoła delegata po Fit(IDataView) wywołaniu. Często ważne jest, aby narzędzie do szacowania zwracało informacje o tym, co było odpowiednie, dlatego Fit(IDataView) metoda zwraca specjalnie wpisany obiekt, a nie tylko ogólne ITransformer. Jednak w tym samym czasie IEstimator<TTransformer> są często tworzone w potoki z wieloma obiektami, więc może być konieczne utworzenie łańcucha narzędzi do szacowania za pośrednictwem EstimatorChain<TLastTransformer> miejsca, w którym narzędzie do szacowania, dla którego chcemy uzyskać transformator jest pochowany gdzieś w tym łańcuchu. W tym scenariuszu możemy za pomocą tej metody dołączyć delegata, który będzie wywoływany po wywołaniu dopasowania. |