SsaForecastingEstimator Класс

Определение

Пространство имен:

Microsoft.ML.Transforms.TimeSeries

Сборка:

Microsoft.ML.TimeSeries.dll

Пакет:

Microsoft.ML.TimeSeries v3.0.1

Прогнозы с помощью анализа сингулярного спектра.

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)

Наследование

Object

SsaForecastingEstimator

Реализации

IEstimator<SsaForecastingTransformer>

Комментарии

Чтобы создать этот оценщик, используйте ForecastBySsa

Входные и выходные столбцы

Существует только один входной столбец. Входной столбец должен содержать SingleSingle значение, указывающее значение в метке времени в временных рядах.

Он создает либо только один вектор прогнозируемых значений, либо три вектора: вектор прогнозируемых значений, вектор достоверности нижних границ и вектор доверия верхних границ.

Характеристики оценщика

Должен ли этот оценщик просмотреть данные для обучения его параметров?	Да
Тип данных входного столбца	Single
Тип данных выходного столбца	Вектор Single
Экспортируемый в ONNX	Нет

Характеристики оценщика

Задача машинного обучения	Обнаружение аномалий
Требуется ли нормализация?	Нет
Требуется ли кэширование?	Нет
Требуется NuGet в дополнение к Microsoft.ML	Microsoft.ML.TimeSeries

Сведения об алгоритме обучения

Этот класс реализует общее преобразование обнаружения аномалий на основе анализа сингулярного спектра (SSA). SSA — это мощная платформа для разложения временных рядов на компоненты тренда, сезонности и шума, а также прогнозирования будущих значений временных рядов. В принципе SSA выполняет спектральный анализ входных временных рядов, где каждый компонент в спектре соответствует тренду, сезонному или шумному компоненту в временных рядах. Дополнительные сведения об анализе сингулярного спектра (SSA) см. в этом документе.

Ссылки на примеры использования см. в разделе "См. также".

Методы

Fit(IDataView)	Обучить и вернуть преобразователь.
GetOutputSchema(SchemaShape)	Распространение схемы для преобразователей. Возвращает схему вывода данных, если входная схема похожа на указанную. Создает три выходных столбца, если запрашиваются доверительный интервал, в противном случае — только один.

Методы расширения

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

Добавьте "контрольную точку кэширования" в цепочку оценщика. Это гарантирует, что подчиненные оценщики будут обучены на основе кэшированных данных. Рекомендуется использовать контрольную точку кэширования перед обучением, которые принимают несколько данных.

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

Учитывая оценщик, верните объект-оболочку, который будет вызывать делегат один раз Fit(IDataView) . Часто важно, чтобы оценщик возвращал сведения о том, что было положено, поэтому Fit(IDataView) метод возвращает специально типизированный объект, а не просто общий ITransformer. Однако в то же время часто IEstimator<TTransformer> формируются в конвейеры со многими объектами, поэтому нам может потребоваться создать цепочку оценщиков, где EstimatorChain<TLastTransformer> оценщик, для которого мы хотим получить преобразователь, похоронен где-то в этой цепочке. В этом сценарии мы можем подключить делегат, который будет вызываться после вызова соответствия.

См. также раздел

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