SsaForecastingEstimator 类

定义

命名空间:

Microsoft.ML.Transforms.TimeSeries

程序集:

Microsoft.ML.TimeSeries.dll

包:

Microsoft.ML.TimeSeries v3.0.1

使用单一光谱分析的预测。

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)

继承

Object

SsaForecastingEstimator

实现

IEstimator<SsaForecastingTransformer>

注解

若要创建此估算器，请使用 ForecastBySsa

输入和输出列

只有一个输入列。 输入列必须是 Single 值 Single 在时序中的时间戳处指示值的位置。

它只生成预测值的一个向量或三个向量：预测值的向量、置信度下限向量和置信度上限的向量。

估算器特征

此估算器是否需要查看数据来训练其参数？	是
输入列数据类型	Single
输出列数据类型	Single 的向量
可导出到 ONNX	否

估算器特征

机器学习任务	异常检测
规范化是否需要？	否
是否需要缓存？	否
除 Microsoft.ML 外所需的 NuGet	Microsoft.ML.TimeSeries

训练算法详细信息

此类基于 单一光谱分析 (SSA) 实现常规异常情况检测转换。 SSA 是一个强大的框架，用于将时序分解成趋势、季节性和噪音组件，以及预测时序的未来值。 原则上，SSA 对输入时序执行光谱分析，其中光谱中的每个组件对应于时序中的趋势、季节性或噪音分量。 有关单一光谱分析 (SSA) 的详细信息，请参阅 本文档。

有关使用示例的链接，请查看“另请参阅”部分。

方法

Fit(IDataView)	训练并返回转换器。
GetOutputSchema(SchemaShape)	转换器的架构传播。 如果输入架构与提供的架构类似，则返回数据的输出架构。 如果请求置信区间，则创建三个输出列，否则仅请求一个输出列。

扩展方法

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	将“缓存检查点”追加到估算器链。 这将确保针对缓存的数据训练下游估算器。 在执行多个数据传递的训练器之前，拥有缓存检查点会很有帮助。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	给定估算器后，返回将调用委托的 Fit(IDataView) 包装对象。 估算器通常必须返回有关拟合情况的信息，这就是为什么 Fit(IDataView) 该方法返回特定类型化对象的原因，而不仅仅是常规 ITransformer对象。 但是，同时， IEstimator<TTransformer> 通常形成为包含许多对象的管道，因此，我们可能需要通过 EstimatorChain<TLastTransformer> 估算器链生成一系列估算器，以便我们要获取转换器的估算器被埋在此链中的某个位置。 对于这种情况，我们可以通过此方法附加调用一次将调用的委托。

另请参阅

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