Microsoft.ML.Transforms.TimeSeries 命名空間

是 的 Microsoft.ML.Transforms.TimeSeries.IidAnomalyDetectionBaseWrapper.IidAnomalyDetectionBase 包裝器，用來計算一個假設為 i.i.d 的浮點數輸入序列的 p 值和馬丁格爾分數。 換句話說，它假設輸入序列代表原始異常分數，該分數可能透過其他程序計算出來。

ITransformer 由擬合 IidChangePointEstimator所產生的結果。

根據自適應核密度估計與馬丁格爾，偵測 獨立同分布（i.i.d.） 時間序列上的訊號變化。

ITransformer 由擬合 IidSpikeEstimator所產生的結果。

根據自適應核密度估計，在 獨立同分布（i.i.d.） 時間序列上偵測訊號尖峰。

包含時間序列資料轉換元件的命名空間。

包含時間序列資料轉換元件的命名空間。

ITransformer 由擬合 SrCnnAnomalyEstimator所產生的結果。

利用光譜殘差（SR）演算法偵測時間序列中的異常

該封裝 Microsoft.ML.Transforms.TimeSeries.SsaAnomalyDetectionBaseWrapper.SsaAnomalyDetectionBase 器實作基於時間序列奇異譜建模的一般異常偵測轉換。 關於奇異頻譜分析（SSA）的詳細內容，請參考 http://arxiv.org/pdf/1206.6910.pdf。

ITransformer 由擬合 SsaChangePointEstimator所產生的結果。

利用奇異頻譜分析偵測時間序列中的變化點。

該封裝 Microsoft.ML.Transforms.TimeSeries.SsaForecastingBaseWrapper.SsaForecastingBase 器實作基於時間序列奇異譜建模的一般異常偵測轉換。 關於奇異頻譜分析（SSA）的詳細內容，請參考 http://arxiv.org/pdf/1206.6910.pdf。

使用奇異頻譜分析進行預報。

ITransformer 由擬合 SsaForecastingEstimator所產生的結果。

ITransformer 由擬合 SsaSpikeEstimator所產生的結果。

利用奇異頻譜分析偵測時間序列中的尖峰。

一個類別，會對記憶體資料執行先前訓練好的模型（以及前一個轉換管線），一次只一個範例。 這也可用於訓練好的管線，且這些管線末尾沒有預測器：在這種情況下，「預測」僅是所有轉換的結果。

成長比率。 定義為成長^（1/TimeSpan）。

異常偵測的一面。

包含時間序列資料轉換元件的命名空間。

馬丁格爾的類型。

訊號的排序選擇方法。