TimeSeriesCatalog Sınıf

Tanım

public static class TimeSeriesCatalog
type TimeSeriesCatalog = class
Public Module TimeSeriesCatalog
Devralma
TimeSeriesCatalog

Yöntemler

DetectAnomalyBySrCnn(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, Int32, Double)

SRCNN algoritmasını kullanarak zaman aralığı anomalilerini algılayan öğesini oluşturun SrCnnAnomalyEstimator.

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

Tekil Spektrum Analizi'ni (SSA) kullanarak zaman serisindeki değişiklik noktalarını tahmin eden öğesini oluşturunSsaChangePointEstimator.

DetectChangePointBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, ErrorFunction, MartingaleType, Double)
Geçersiz.

Tekil Spektrum Analizi'ni (SSA) kullanarak zaman serisindeki değişiklik noktalarını tahmin eden öğesini oluşturunSsaChangePointEstimator.

DetectEntireAnomalyBySrCnn(AnomalyDetectionCatalog, IDataView, String, String, Double, Int32, Double, SrCnnDetectMode)

SRCNN algoritmasını kullanarak girişin tamamı için zaman aralığı anomalilerini algılayan öğesini oluşturun Microsoft.ML.TimeSeries.SrCnnEntireAnomalyDetector.

DetectEntireAnomalyBySrCnn(AnomalyDetectionCatalog, IDataView, String, String, SrCnnEntireAnomalyDetectorOptions)

SRCNN algoritmasını kullanarak girişin tamamı için zaman aralığı anomalilerini algılayan öğesini oluşturun Microsoft.ML.TimeSeries.SrCnnEntireAnomalyDetector.

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

Uyarlamalı çekirdek yoğunluğu tahminleri ve martingale puanlarını temel alarak bağımsız bir özdeş dağıtılmış (i.i.d.) zaman serisindeki değişiklik noktalarını tahmin eden öğesini oluşturunIidChangePointEstimator.

DetectIidChangePoint(TransformsCatalog, String, String, Int32, Int32, MartingaleType, Double)
Geçersiz.

Uyarlamalı çekirdek yoğunluğu tahminleri ve martingale puanlarını temel alarak bağımsız bir özdeş dağıtılmış (i.i.d.) zaman serisindeki değişiklik noktalarını tahmin eden öğesini oluşturunIidChangePointEstimator.

DetectIidSpike(TransformsCatalog, String, String, Double, Int32, AnomalySide)

Uyarlamalı çekirdek yoğunluğu tahminleri ve martingale puanlarını temel alarak bağımsız olarak aynı dağıtılmış (i.i.d.) zaman serisindeki ani artışları tahmin eden öğesini oluşturunIidSpikeEstimator.

DetectIidSpike(TransformsCatalog, String, String, Int32, Int32, AnomalySide)
Geçersiz.

Uyarlamalı çekirdek yoğunluğu tahminleri ve martingale puanlarını temel alarak bağımsız olarak aynı dağıtılmış (i.i.d.) zaman serisindeki ani artışları tahmin eden öğesini oluşturunIidSpikeEstimator.

DetectSeasonality(AnomalyDetectionCatalog, IDataView, String, Int32, Double)

Zaman serisi verilerinde mevsimsellik (veya dönemsellik), haftalık, aylık veya üç aylık gibi belirli düzenli aralıklarla gerçekleşen varyasyonların varlığıdır.

Bu yöntem, fourier analiz tekniklerini benimseyerek bu öngörülebilir aralığı (veya dönemi) algılar. Giriş değerlerinin aynı zaman aralığına sahip olduğunu varsayarsak (örneğin, zaman damgaları tarafından sıralanan her saniyede toplanan sensör verileri), bu yöntem zaman serisi verilerinin listesini alır ve giriş değerleri boyunca bu dönemde yinelenen veya yinelenen öngörülebilir bir dalgalanma veya desen bulunabiliyorsa, giriş mevsimsel verileri için normal süreyi döndürür.

Böyle bir desen bulunmazsa, yani giriş değerleri mevsimsel bir dalgalanmayı izlemezse -1 döndürür.

DetectSpikeBySsa(TransformsCatalog, String, String, Double, Int32, Int32, Int32, AnomalySide, ErrorFunction)

Tekil Spektrum Analizi'ni (SSA) kullanarak zaman serisindeki ani artışları tahmin eden öğesini oluşturunSsaSpikeEstimator.

DetectSpikeBySsa(TransformsCatalog, String, String, Int32, Int32, Int32, Int32, AnomalySide, ErrorFunction)
Geçersiz.

Tekil Spektrum Analizi'ni (SSA) kullanarak zaman serisindeki ani artışları tahmin eden öğesini oluşturunSsaSpikeEstimator.

ForecastBySsa(ForecastingCatalog, String, String, Int32, Int32, Int32, Int32, Boolean, Single, RankSelectionMethod, Nullable<Int32>, Nullable<Int32>, Boolean, Boolean, Nullable<GrowthRatio>, String, String, Single, Boolean)

Tek değişkenli zaman serisi tahmini için Tekil Spektrum Analizi (SSA) modeli. Modelin ayrıntıları için bkz http://arxiv.org/pdf/1206.6910.pdf. .

LocalizeRootCause(AnomalyDetectionCatalog, RootCauseLocalizationInput, Double, Double)

Karar ağacı algoritmalarını kullanarak kök nedenleri yerelleştiren öğesini oluşturun RootCause.

LocalizeRootCauses(AnomalyDetectionCatalog, RootCauseLocalizationInput, Double, Double)

Sıralı bir liste RootCauseoluşturur. Sıra, en çok hangi hazırlık nedeninin kök neden olabileceğine karşılık gelir.

Şunlara uygulanır