DetectSpikeBySsa获取模型参数并对其进行重新训练（ML.NET v1.2.0）

Question

我正在研究一个TimeSeries模型，需要分析数据收集的异常情况。为此，我正在使用 DetectSpikeBySsa 。但问题是，我现在需要的是为将来的数据重新训练模型。

我已经在搜索文档，而我只了解其他类型的模型，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.

经过训练的模型可以很好地处理旧数据，但是我们当然需要使用新数据重新训练模型。

所以，问题是：

1. 如何获取训练后的模型（DetectSpikeBySsa）的参数？
2. 如何重新训练模型并比较旧模型？

非常感谢！任何信息将不胜感激。

Answer 1

目前，人们无法重新训练该模型。根据docs.microsoft，可以重新训练以下算法。

Re-Train a Model in ML.Net

• PerceptronTrainer平均水平
• FieldAwareFactorizationMachineTrainer
• LbfgsLogisticRegressionBinaryTrainer
• LbfgsMaximumEntropyMulticlassTrainer
• LbfgsPoissonRegressionTrainer
• LinearSvmTrainer
• OnlineGradientDescentTrainer
• SgdCalibratedTrainer
• SgdNonCalibratedTrainer
• SymbolicSgdLogisticRegressionBinaryTrainer

可能有可能添加到您的数据中并训练新模型并用其他名称保存。然后，您可以评估两个模型，并选择得分更高的模型。如果模型的效果不佳或改变了模型的功能，您可能还想尝试其他算法。