時系列 SAX エンコーダ

情報一覧

パラメーター	説明
カテゴリー	トランスフォーム
データ ソース タイプ	HD
出力を他のオペレーターに送信	はい
データ処理ツール	Spark SQL

オペレーターは、入力テーブルの行内の各時系列を取得し、ユーザーが要求した各入力時系列の圧縮表現を作成します。ユーザーが要求した場合、Null 値は削除され、時系列は Z 正規化されます。

次に、時系列はユーザーが要求したビン数 (SAX 文字列長 パラメーターで指定) に分割されます。時系列の長さが要求されたビンの数で正確に割り切れない場合、オペレーターは部分寄与アプローチを使用して、各ビンに含めるデータ ポイントの数を決定します。

たとえば、時系列に 10 個のデータ ポイントがあり、ユーザーが 3 のビン サイズを要求した場合、ビン分割は次のようになります。

• 最初のビンは最初の 3 ポイントと 4 番目のポイントの 1/3 を獲得します。
• 2 番目のビンは、4 番目のポイントの 3 分の 2、5 番目と 6 番目のポイント、および 7 番目のポイントの 3 分の 2 を獲得します。
• 3 番目のビンは 7 番目のポイントの 3 分の 1 に、最後の 3 ポイントを加えたものを獲得します。

時系列がビン化されると、ユーザーの選択 (集計方法 パラメーターで指定) に従って各ビン内の値が集計されます。ユーザーが集計出力を要求した場合、値が返されます。それ以外の場合、集計値は標準正規分布と比較され、分布の対応する部分が出力として返されます。

入力

単一の表形式のデータセット。

構成

パラメーター	説明
ノート	このオペレーターのパラメーター設定に関するメモまたは役立つ情報。 [ノート] フィールドに内容を入力すると、オペレーターに黄色のアスタリスクが表示されます。
時系列カラムの範囲	時系列を含む列番号範囲を 1 行に 1 つの系列で指定します。
集計方法	SAX エンコードで使用する集計方法を指定します - 平均 (デフォルト)、最大、中央値、または 最小。
SAX 文字列の長さ	時系列を離散化するビンの数を指定します。
SAX アルファベット サイズ	Z 正規分布を分割する間隔の数を指定します。
時系列 ID カラム	出力をわかりやすくするための、時系列の ID を含むオプションのカラム名。名前が指定されていない場合は、TIBCO Data Science - Team Studio 行 ID を含む ID カラムを出力に生成します。
保持するカラム	[カラムの選択] ボタンをクリックして、入力データセットから出力に追加するカラムを選択します。
出力形式	出力形式を定義します。 SAX アグリゲーション - 時系列がビン化され、ビン内で集計され、それぞれの集計値が返されます。 SAX アルファベット - 文字列出力と同じですが、個々のアルファベットが連結されずに返される点が異なります。 SAX 文字列 (デフォルト) - 時系列は正規化され、ビン化され、ビン内で集計され、ビン値はアルファベットに変換されて文字列から連結されます。
Z 正規化入力	入力時系列を標準化するかどうかを指定します。 [はい] (デフォルト) または [いいえ]。
出力ディレクトリ	出力ファイルを保存する場所。
出力名	結果を含める名前。
出力を上書き	そのパスにある既存のデータを削除するかどうかを指定します。 はい - パスが存在する場合は、そのファイルを削除し、結果を保存します。 いいえ - パスがすでに存在する場合は失敗します。
ストレージ フォーマット	結果を保存する形式を選択します。保存形式はオペレーターの種類によって決まります。 一般的な形式は、Avro、CSV、TSV、または Parquet です。
圧縮	出力の圧縮のタイプを選択します。 利用可能な Parquet 圧縮オプション。 GZIP Deflate Snappy 圧縮なし 利用可能な Avro 圧縮オプション。 Deflate Snappy 圧縮なし
高度な Spark 設定の自動最適化	[はい] は、デフォルトの Spark 最適化設定の使用を指定します。 [いいえ] を選択すると、カスタマイズされた Spark 最適化を提供できます。 [設定の編集] をクリックして、Spark の最適化をカスタマイズします。詳細については、「詳細設定ダイアログ」を参照してください。

出力