Microsoft.ML.Transforms.TimeSeries Namespace

Dies ist der Wrapper, der Microsoft.ML.Transforms.TimeSeries.IidAnomalyDetectionBaseWrapper.IidAnomalyDetectionBase die p-Werte und Martingale-Werte 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 ergibt sich aus der Einpassung eines IidChangePointEstimator.

Erkennen sie eine Signaländerung bei einer unabhängigen, identisch verteilten (i.i.d.) Zeitreihe basierend auf adaptiver Kerneldichteschätzung und Martingalen.

ITransformer ergibt sich aus der Einpassung eines IidSpikeEstimator.

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

Namespace, der Komponenten für die Datentransformation der Zeitreihen enthält.

Namespace, der Komponenten für die Datentransformation der Zeitreihen enthält.

ITransformer ergibt sich aus der Einpassung eines SrCnnAnomalyEstimator.

Erkennen von Anomalien in Zeitreihen mit dem Algorithm "Spectral Residual(SR)"

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

ITransformer ergibt sich aus der Einpassung eines SsaChangePointEstimator.

Erkennen von Änderungspunkten in Zeitreihen 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. Einzelheiten zur Singular Spectrum Analysis (SSA) finden Sie unter http://arxiv.org/pdf/1206.6910.pdf.

Prognosen mit Singular Spectrum Analysis.

ITransformer ergibt sich aus der Einpassung eines SsaForecastingEstimator.

ITransformer ergibt sich aus der Einpassung eines SsaSpikeEstimator.

Erkennen von Spitzen in Zeitreihen mithilfe der Singular Spectrum Analysis.

Eine Klasse, die das zuvor trainierte Modell (und die vorangehende Transformationspipeline) für die Speicherdaten ausführt, ein Beispiel gleichzeitig. Dies kann auch mit trainierten Pipelines verwendet werden, die nicht mit einem Prädiktor enden: In diesem Fall ist die "Vorhersage" nur das Ergebnis aller Transformationen.

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

Die Seite der Anomalieerkennung.

Namespace, der Komponenten für die Datentransformation der Zeitreihen enthält.

Der Typ des Martingales.

Bewertungsauswahlmethode für das Signal.