IidChangePointEstimator 類別

定義

public sealed class IidChangePointEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.TimeSeries.IidChangePointDetector>

type IidChangePointEstimator = class
    inherit TrivialEstimator<IidChangePointDetector>

Public NotInheritable Class IidChangePointEstimator
Inherits TrivialEstimator(Of IidChangePointDetector)

繼承

Object

TrivialEstimator<IidChangePointDetector>

IidChangePointEstimator

備註

要建立這個估計器，請使用 DetectIidChangePoint。

輸入與輸出欄位

只有一個輸入欄位。 輸入欄位必須是 Single 某 Single 個值表示時間序列中某個時間戳記值的地方。

它會產生一個包含四個元素的向量欄位。 輸出向量依序包含警示等級（非零值表示變更點）、分數、p 值及馬丁格爾值。

估算器特性

估算器特性

訓練演算法細節

此訓練器假設時間序列中收集的資料點是從相同分布（獨立且同分布）獨立抽樣而來。 因此，當前時間戳的值可視為期望值下下一個時間戳的值。 若在時間戳記$t-1$時觀察值為$p$，則在$t$時間戳時的預測值也會是$p$。

異常記分員

計算出時間戳的原始分數後，會送入異常評分器元件，以計算該時間戳的最終異常分數。 此評分器涉及兩個統計量，分別是p值與馬丁格爾分數。

P值分數

p 值分數表示根據原始分數分布計算出的當前原始分數的 p 值。 此處，分布是根據歷史中最近最深的原始分數值估算。 更具體地說，此分布是利用自適應頻寬的高斯核的核密度估計。 p 值分數總是以 $[0， 1]$ 為單位，且其值越低，當前分數越可能是異常值（也稱為尖峰）。

基於馬丁格爾分數的變點偵測

馬丁格爾分數是基於 p 值分數的額外評分層級。 這個想法基於可 交換性鞅 ，該儀器能偵測一連串 i.i.d. 值上的分布變化。 簡言之，當連續偵測到一連串小 p 值時，馬丁格爾分數的值會顯著增加;這表示底層資料產生過程分布的改變。 因此，馬丁格爾分數用於變化點的偵測。 給定最近觀察到的 p 值序列，分別為 $p 1、\dots、p_n$，鞅分數計算為：？ $s（p1， \dots， p_n） = \prod_{i=1}^n \beta（p_i）$。 $\beta$ 有兩種選擇：$\beta（p） = e p^{\epsilon - 1}$ 代表 $0 < \epsilon < 1$ 或 $\beta（p） = \int_{0}^1 \epsilon p^{\epsilon - 1} d\epsilon$。

若馬丁格分數超過 $s（q_1， \dots， q_n）$（$q_i=1 - \frac{\text{confidence}}}{100}$），相關時間戳可能會獲得非零的變更點偵測警示值。 請注意，$\text{confidence}$ 是在 DetectChangePointBySsa 或 DetectIidChangePoint 的簽名中定義的。

請參考「參見」區塊，裡面有使用範例的連結。

另請參閱

• DetectIidChangePoint(TransformsCatalog, String, String, Double, Int32, MartingaleType, Double)