wordpress 网站标题设置免费网站一级a做爰在免费线看

预测分析

输入约定

execute 是预测分析算法的核心方法。框架调用该方法之前，在对象属性参数 self.list 中已经设置完毕用于预测的历史时间序列数据。

输出约定及父类属性说明

execute 方法执行完成后的返回一个如下字典对象，预测返回结果如下：

return {"mse": mse, # 预测算法的拟合数据最小均方误差 (minimum squared error)"res": res  # 结果数组 [时间戳数组，预测结果数组，预测结果执行区间下界数组，预测结果执行区间上界数组]
}

预测算法的父类 AbstractForecastService 包含的对象属性如下：

属性名称	说明	默认值
period	输入时间序列的周期性，多少个数据点表示一个完整的周期。如果没有周期性，设置为 0 即可	0
start_ts	预测结果的开始时间	0
time_step	预测结果的两个数据点之间时间间隔	0
fc_rows	预测结果的数量	0
return_conf	预测结果中是否包含置信区间范围，如果不包含置信区间，那么上界和下界与自身相同	1
conf	置信区间分位数	95

示例代码

下面我们开发一个示例预测算法，对于任何输入的时间序列数据，固定返回值 1 作为预测结果。

import numpy as np
from taosanalytics.service import AbstractForecastService# 算法实现类名称 需要以下划线 "_" 开始，并以 Service 结束
class _MyForecastService(AbstractForecastService):""" 定义类，从 AbstractForecastService 继承并实现其定义的抽象方法 execute  """# 定义算法调用关键词，全小写 ASCII 码name = 'myfc'# 该算法的描述信息 (建议添加)desc = """return the forecast time series data"""def __init__(self):"""类初始化方法"""super().__init__()def execute(self):""" 算法逻辑的核心实现"""res = []"""这个预测算法固定返回 1 作为预测值，预测值的数量是用户通过 self.fc_rows 指定"""ts_list = [self.start_ts + i * self.time_step for i in range(self.fc_rows)]res.append(ts_list)  # 设置预测结果时间戳列"""生成全部为 1 的预测结果 """res_list = [1] * self.fc_rowsres.append(res_list)"""检查用户输入，是否要求返回预测置信区间上下界"""if self.return_conf:"""对于没有计算预测置信区间上下界的算法，直接返回预测值作为上下界即可"""bound_list = [1] * self.fc_rowsres.append(bound_list)  # 预测结果置信区间下界res.append(bound_list)  # 预测结果执行区间上界"""返回结果"""return {"res": res, "mse": 0}def set_params(self, params):"""该算法无需任何输入参数，直接调用父类函数，不处理算法参数设置逻辑"""return super().set_params(params)

将该文件保存在 ./lib/taosanalytics/algo/fc/ 目录下，然后重启 taosanode 服务。在 TDengine 命令行接口中执行 SHOW ANODES FULL 能够看到新加入的算法。应用就可以通过 SQL 语句调用该预测算法。

--- 对 col 列进行异常检测，通过指定 algo 参数为 myfc 来调用新添加的预测类
SELECT  _flow, _fhigh, _frowts, FORECAST(col_name, "algo=myfc")
FROM foo;

如果是第一次启动 Anode, 请按照 运维管理指南 里的步骤先将该 Anode 添加到 TDengine 系统中。

单元测试

在测试目录taosanalytics/test中的 forecast_test.py 中增加单元测试用例或添加新的测试文件。单元测试依赖 Python Unit test 包。

def test_myfc(self):""" 测试 myfc 类 """s = loader.get_service("myfc")# 设置用于预测分析的数据s.set_input_list(self.get_input_list(), None)# 检查预测结果应该全部为 1r = s.set_params({"fc_rows": 10, "start_ts": 171000000, "time_step": 86400 * 30, "start_p": 0})r = s.execute()expected_list = [1] * 10self.assertEqlist(r["res"][0], expected_list)