Sdílet prostřednictvím


SsaForecastingEstimator Třída

Definice

Prognózy s využitím analýzy jednotného spektra

public sealed class SsaForecastingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.Transforms.TimeSeries.SsaForecastingTransformer>
type SsaForecastingEstimator = class
    interface IEstimator<SsaForecastingTransformer>
Public NotInheritable Class SsaForecastingEstimator
Implements IEstimator(Of SsaForecastingTransformer)
Dědičnost
SsaForecastingEstimator
Implementuje

Poznámky

Chcete-li vytvořit tento odhad, použijte ForecastBySsa.

Vstupní a výstupní sloupce

Existuje pouze jeden vstupní sloupec. Vstupní sloupec musí být Single tam, kde Single hodnota označuje hodnotu v časovém razítku v časové řadě.

Vytváří buď jen jeden vektor prognózovaných hodnot, nebo tři vektory: vektor prognózovaných hodnot, vektor spolehlivosti dolních hranic a vektor horních hranic spolehlivosti.

Charakteristiky odhadu

Potřebuje tento estimátor podívat se na data, aby se natrénovala jeho parametry? Yes
Datový typ vstupního sloupce Single
Datový typ výstupního sloupce Vektor Single
Exportovatelný do ONNX No

Charakteristiky odhadu

Úloha strojového učení Detekce anomálií
Vyžaduje se normalizace? No
Vyžaduje se ukládání do mezipaměti? No
Povinné nuGet kromě Microsoft.ML Microsoft.ML.TimeSeries

Podrobnosti o trénovacím algoritmu

Tato třída implementuje obecnou transformaci detekce anomálií na základě analýzy jednotného spektra (SSA). SSA je výkonný rámec pro rozklad časových řad na trendové, sezónní a šumové komponenty a také prognózování budoucích hodnot časových řad. V zásadě služba SSA provádí spektrální analýzu vstupních časových řad, kde každá komponenta ve spektru odpovídá trendu, sezónní nebo šumové komponentě v časových řadách. Podrobnosti o analýze jednotného spektra (SSA) najdete v tomto dokumentu.

V části Viz také najdete odkazy na příklady použití.

Metody

Fit(IDataView)

Trénujte a vracejte transformátor.

GetOutputSchema(SchemaShape)

Šíření schématu pro transformátory Vrátí výstupní schéma dat, pokud je vstupní schéma podobné zadanému schématu. Vytvoří tři výstupní sloupce, pokud jsou požadovány intervaly spolehlivosti, jinak jen jeden.

Metody rozšíření

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Připojte k řetězci odhadu kontrolní bod ukládání do mezipaměti. Tím zajistíte, aby se podřízené estimátory natrénovaly na data uložená v mezipaměti. Před průchodem více dat je užitečné mít kontrolní bod ukládání do mezipaměti.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Pokud získáte odhadátor, vraťte obtékání objektu, který jednou zavolá delegáta Fit(IDataView) . Často je důležité, aby estimátor vrátil informace o tom, co bylo vhodné, což je důvod, proč Fit(IDataView) metoda vrací konkrétně zadaný objekt, a ne jen obecné ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetězec odhadovačů prostřednictvím EstimatorChain<TLastTransformer> toho, kde je odhadovač, IEstimator<TTransformer> pro který chceme získat transformátor, uložen někde v tomto řetězu. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po volání fit.

Platí pro

Viz také