DetectSpikeBySsa 获取模型参数并重新训练它 (ML.NET v1.2.0)

Question

我正在处理 TimeSeries 模型，需要分析数据收集的异常情况。为此，我使用 DetectSpikeBySsa。但问题是，我现在需要的是为未来的数据重新训练模型。

我已经搜索过文档，但我只了解了其他类型的模型，例如 LinearRegression。

https://docs.microsoft.com/en-us/dotnet/machine-learning/how-to-guides/train-machine-learning-model-ml-net

// Pipeline that I used
var pipeline = context.Transforms.DetectSpikeBySsa(
                            outputColumnName: nameof(DataPredicted.Prediction),
                            inputColumnName: nameof(DataPoints.value),
                            confidence: 99,
                            pvalueHistoryLength: data.Count() / numberOfDays,
                            trainingWindowSize: data.Count(),
                            seasonalityWindowSize: data.Count() / numberOfDays);
// Train and Save the model locally
ITransformer trainedModel = pipeline.Fit(dataComplete);
context.Model.Save(trainedModel, dataComplete.Schema, file);


// Loading the trained model in other instance
ITransformer trainedModel = context.Model.Load(file, out var modelInputSquema);

// After this I would like to retrain the model and analyze the differences between before and after.

经过训练的模型在旧数据上运行良好，但我们当然需要使用新数据重新训练模型。

所以，问题是：

如何获取训练模型（DetectSpikeBySsa）的参数？
如何重新训练模型并与旧模型进行比较？

非常感谢！任何信息将不胜感激。

Answer 1

目前无法重新训练此模型。根据 docs.microsoft 可以重新训练以下算法。

Re-Train a Model in ML.Net

AveragedPerceptronTrainer
FieldAwareFactorizationMachineTrainer
LbfgsLogisticRegressionBinaryTrainer
LbfgsMaximumEntropyMulticlassTrainer
LbfgsPoissonRegressionTrainer
LinearSvmTrainer
OnlineGradientDescentTrainer
SgdCalibratedTrainer
SgdNonCalibratedTrainer
SymbolicSgdLogisticRegressionBinaryTrainer

也许可以添加到您的数据并训练一个新模型并用不同的名称保存它。然后，您可以评估这两个模型并选择得分更高的模型。如果模型表现不佳或改变模型的特征，您可能还想尝试不同的算法。

DetectSpikeBySsa 获取模型参数并重新训练它 (ML.NET v1.2.0)

DetectSpikeBySsa get model parameters and retrain it (ML.NET v1.2.0)

c#

.net

ml.net