Microsoft.ML.Transforms.TimeSeries Namespace

Dies ist der Wrapper, der Microsoft.ML.Transforms.TimeSeries.IidAnomalyDetectionBaseWrapper.IidAnomalyDetectionBase die P-Werte und Martingale-Bewertungen für eine angeblich i.i.d-Eingabesequenz von Floats berechnet. Mit anderen Worten, es wird davon ausgegangen, dass die Eingabesequenz die unformatierte Anomaliebewertung darstellt, die möglicherweise über einen anderen Prozess berechnet wurde.

ITransformer aus der Anpassung eines IidChangePointEstimator.

Erkennen Sie eine Signaländerung auf einer unabhängigen identisch verteilten (i.i.d.) Zeitreihe basierend auf adaptiver Kerneldichteschätzung und Martingales.

ITransformer aus der Anpassung eines IidSpikeEstimator.

Erkennen Sie eine Signalspitze auf einer unabhängig verteilten (i.i.d.) Zeitreihe basierend auf der adaptiven Kerneldichteschätzung.

Namespace, der Zeitreihendatentransformationskomponenten enthält.

Namespace, der Zeitreihendatentransformationskomponenten enthält.

ITransformer aus der Anpassung eines SrCnnAnomalyEstimator.

Erkennen von Anomalien in Zeitreihen mithilfe des Spectral Residual(SR)-Algorithmus

Der Wrapper, der Microsoft.ML.Transforms.TimeSeries.SsaAnomalyDetectionBaseWrapper.SsaAnomalyDetectionBase die allgemeine Anomalieerkennungstransformation basierend auf der Singular Spectrum-Modellierung der Zeitreihe implementiert. Weitere Informationen zur Singular Spectrum Analysis (SSA) finden Sie unter http://arxiv.org/pdf/1206.6910.pdf.

ITransformer aus der Anpassung eines SsaChangePointEstimator.

Erkennen von Änderungspunkten in der Zeitreihe mithilfe der Singular Spectrum Analysis.

Der Wrapper, der Microsoft.ML.Transforms.TimeSeries.SsaForecastingBaseWrapper.SsaForecastingBase die allgemeine Anomalieerkennungstransformation basierend auf der Singular Spectrum-Modellierung der Zeitreihe implementiert. Weitere Informationen zur Singular Spectrum Analysis (SSA) finden Sie unter http://arxiv.org/pdf/1206.6910.pdf.

Prognosen mithilfe der Singular-Spektrumanalyse.

ITransformer aus der Anpassung eines SsaForecastingEstimator.

ITransformer aus der Anpassung eines SsaSpikeEstimator.

Erkennen Sie Spitzen in Zeitreihen mithilfe der Singular Spectrum Analysis.

Eine Klasse, die das zuvor trainierte Modell (und die vorherige Transformationspipeline) in den Speicherdaten ausführt, z. B. gleichzeitig. Dies kann auch mit trainierten Pipelines verwendet werden, die nicht mit einem Prädiktor enden: In diesem Fall wird die "Prognose" nur das Ergebnis aller Transformationen sein.

Wachstumsverhältnis. Definiert als Wachstum^(1/TimeSpan).

Die Seite der Anomalieerkennung.

Namespace, der Zeitreihendatentransformationskomponenten enthält.

Der Typ der Martingale.

Bewertungsauswahlmethode für das Signal.