SsaChangePointEstimator Klasa

Definicja

public sealed class SsaChangePointEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.TimeSeries.SsaChangePointDetector>

type SsaChangePointEstimator = class
    interface IEstimator<SsaChangePointDetector>

Public NotInheritable Class SsaChangePointEstimator
Implements IEstimator(Of SsaChangePointDetector)

Dziedziczenie

Object

SsaChangePointEstimator

Implementuje

IEstimator<SsaChangePointDetector>

Uwagi

Aby utworzyć ten narzędzie do szacowania, użyj metody DetectChangePointBySsa

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 4 elementami. Wektor wyjściowy sekwencyjnie zawiera poziom alertu (wartość niezerowa oznacza punkt zmiany), wynik, wartość p-value i martingale.

Charakterystyka narzędzia do szacowania

Charakterystyka narzędzia do szacowania

Szczegóły algorytmu trenowania

Ta klasa implementuje ogólną transformację wykrywania anomalii na podstawie analizy pojedynczego spektrum (SSA). SSA to zaawansowana struktura do rozkładania szeregów czasowych w trend, sezonowość i składniki szumu, a także prognozowanie przyszłych wartości szeregów czasowych. W zasadzie usługa SSA wykonuje analizę widmową na wejściowych szeregach czasowych, w których każdy składnik w spektrum odpowiada trendowi, składnikowi sezonowemu lub szumowi w szeregach czasowych. Aby uzyskać szczegółowe informacje na temat analizy pojedynczego spektrum (SSA), zapoznaj się z tym dokumentem.

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. Istnieją dwie statystyki związane z tym scorer, p-value i martingale score.

Wynik P-value

Wynik p-value wskazuje wartość 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. Wynik p-value jest zawsze w $[0, 1]$, a im niższa jego wartość, tym bardziej prawdopodobny jest bieżący punkt jest wartością odstującą (znaną również jako skok).

Wykrywanie punktów zmian na podstawie wyniku martingale

Wynik martingale jest dodatkowym poziomem oceniania, który opiera się na wynikach p-value. Chodzi o możliwość wymiany Martingales , która wykrywa zmianę rozkładu na strumieniu wartości i.i.d. Krótko mówiąc, wartość wyniku martingale zaczyna rosnąć znacznie, gdy sekwencja małych wartości p wykrytych w wierszu; wskazuje to zmianę rozkładu bazowego procesu generowania danych. W związku z tym wynik martingale jest używany do wykrywania punktów zmian. Biorąc pod uwagę sekwencję ostatnio obserwowanych wartości p, $p 1, \dots, p_n$, wynik martingale jest obliczany jako:? $s(p1, \dots, p_n) = \prod_{i=1}^n \beta(p_i)$. Istnieją dwie opcje $\beta$: $\beta(p) = e p^{\epsilon - 1}$ dla $0 < \epsilon < 1$ lub $\beta(p) = \int_{0}^1 \epsilon p^{\epsilon - 1} d\epsilon$.

Jeśli wynik martingle przekracza $s(q_1, \dots, q_n)$ gdzie $q_i=1 - \frac{\text{confidence}}{100}$, skojarzony znacznik czasu może uzyskać niezerową wartość alertu na potrzeby wykrywania punktu zmian. Należy pamiętać, że element $\text{confidence}$ jest zdefiniowany w podpisach detectChangePointBySsa lub DetectIidChangePoint.

Zapoznaj się z sekcją Zobacz również, aby uzyskać linki do przykładów użycia.

Zobacz też

• DetectChangePointBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)