Microsoft.ML.Transforms.TimeSeries Espace de noms

Espace de noms contenant des composants de transformation de données de série chronologique.

Classes

IidAnomalyDetectionBaseWrapper	Il s’agit du wrapper qui Microsoft.ML.Transforms.TimeSeries.IidAnomalyDetectionBaseWrapper.IidAnomalyDetectionBase calcule les valeurs p et les scores martingale pour une séquence d’entrée supposée i.i.d de floats. En d’autres termes, il suppose que la séquence d’entrée représente le score d’anomalie brut qui peut avoir été calculé via un autre processus.
IidChangePointDetector	ITransformer résultant de l’ajustement d’un IidChangePointEstimator.
IidChangePointEstimator	Détectez une modification de signal sur une série chronologique distribuée de manière indépendante (i.i.d.) en fonction de l’estimation de densité de noyau adaptative et des martingales.
IidSpikeDetector	ITransformer résultant de l’ajustement d’un IidSpikeEstimator.
IidSpikeEstimator	Détectez un pic de signal sur une série chronologique distribuée de manière indépendante (i.i.d.) en fonction de l’estimation de densité de noyau adaptative.
PredictionFunctionExtensions	Espace de noms contenant des composants de transformation de données de série chronologique.
SrCnnAnomalyDetectionBase	Espace de noms contenant des composants de transformation de données de série chronologique.
SrCnnAnomalyDetector	ITransformer résultant de l’ajustement d’un SrCnnAnomalyEstimator.
SrCnnAnomalyEstimator	Détecter les anomalies dans les séries chronologiques à l’aide de l’algorithme De résidus (SR) du spectre
SsaAnomalyDetectionBaseWrapper	Le wrapper qui Microsoft.ML.Transforms.TimeSeries.SsaAnomalyDetectionBaseWrapper.SsaAnomalyDetectionBase implémente la transformation générale de détection d’anomalies en fonction de la modélisation du spectre singulier de la série chronologique. Pour plus d’informations sur l’analyse du spectre unique (SSA), reportez-vous à http://arxiv.org/pdf/1206.6910.pdf.
SsaChangePointDetector	ITransformer résultant de l’ajustement d’un SsaChangePointEstimator.
SsaChangePointEstimator	Détecter les points de modification dans les séries chronologiques à l’aide de l’analyse du spectre singulier.
SsaForecastingBaseWrapper	Le wrapper qui Microsoft.ML.Transforms.TimeSeries.SsaForecastingBaseWrapper.SsaForecastingBase implémente la transformation générale de détection d’anomalies en fonction de la modélisation du spectre singulier de la série chronologique. Pour plus d’informations sur l’analyse du spectre unique (SSA), reportez-vous à http://arxiv.org/pdf/1206.6910.pdf.
SsaForecastingEstimator	Prévisions utilisant l’analyse du spectre singulier.
SsaForecastingTransformer	ITransformer résultant de l’ajustement d’un SsaForecastingEstimator.
SsaSpikeDetector	ITransformer résultant de l’ajustement d’un SsaSpikeEstimator.
SsaSpikeEstimator	Détecter les pics dans les séries chronologiques à l’aide de l’analyse du spectre singulier.
TimeSeriesPredictionEngine<TSrc,TDst>	Classe qui exécute le modèle précédemment entraîné (et le pipeline de transformation précédent) sur les données en mémoire, un exemple à la fois. Cela peut également être utilisé avec des pipelines entraînés qui ne se terminent pas par un prédicteur : dans ce cas, la « prédiction » sera uniquement le résultat de toutes les transformations.

Structures

GrowthRatio

Ratio de croissance. Défini comme Growth^(1/TimeSpan).

Énumérations

AnomalySide	Côté de la détection d’anomalies.
ErrorFunction	Espace de noms contenant des composants de transformation de données de série chronologique.
MartingaleType	Type de martingale.
RankSelectionMethod	Méthode de sélection de classement pour le signal.