AnomalyDetectorClient Třída
Rozhraní API Detektor anomálií detekuje anomálie v datech časových řad automaticky. Podporuje dva druhy režimu, jeden je pro bezstavové použití a druhý pro stavové použití. V bezstavovém režimu existují tři funkce. Celá funkce Detect slouží k detekci celé řady s modelem natrénovaným podle časové řady. Funkce Last Detect detekuje poslední bod s modelem natrénovanými body před. Funkce ChangePoint Detect slouží ke zjišťování změn trendu v časových řadách. Ve stavovém režimu může uživatel ukládat časové řady, uložená časová řada se použije k detekci anomálií. V tomto režimu může uživatel dál používat výše uvedené tři funkce tím, že poskytuje pouze časový rozsah bez přípravy časových řad na straně klienta. Kromě výše uvedených tří funkcí poskytuje stavový model také službu detekce a popisování na základě skupin. Díky využití služby popisování může uživatel zadat popisky pro každý výsledek detekce, budou se tyto popisky používat k přeladění nebo opětovnému generování modelů detekce. Detekce nekonzistence je druh detekce na základě skupin. Tato detekce najde nekonzistence v sadě časových řad. Pomocí služby detektoru anomálií můžou firemní zákazníci zjišťovat incidenty a vytvořit logický tok pro analýzu původní příčiny.
- Dědičnost
-
azure.ai.anomalydetector._operations._operations.AnomalyDetectorClientOperationsMixinAnomalyDetectorClient
Konstruktor
AnomalyDetectorClient(endpoint: str, credential: AzureKeyCredential, **kwargs: Any)
Parametry
- endpoint
- str
Podporované koncové body služeb Cognitive Services (protokol a název hostitele, například: https://westus2.api.cognitive.microsoft.com). Povinná hodnota.
- credential
- AzureKeyCredential
Přihlašovací údaje potřebné pro připojení klienta k Azure Povinná hodnota.
- api_version
- str
Verze rozhraní API. Výchozí hodnota je "v1.1". Všimněte si, že přepsání této výchozí hodnoty může mít za následek nepodporované chování.
Metody
close | |
delete_multivariate_model |
Odstranit vícerozměrný model. Odstraňte existující vícerozměrný model podle id modelu. |
detect_multivariate_batch_anomaly |
Detekujte anomálii s více proměnnými. Odešlete úlohu detekce anomálií s více proměnnými s ID modelu trénovaného modelu a odvozovacími daty. Vstupní schéma by mělo být stejné jako u požadavku na trénování. Požadavek se dokončí asynchronně a vrátí hodnotu resultId pro dotaz na výsledek detekce. Požadavek by měl být odkazem na zdroj, který označuje externě přístupný identifikátor URI úložiště Azure, který buď ukazuje na složku úložiště objektů blob v Azure, nebo na soubor CSV ve službě Azure Blob Storage. |
detect_multivariate_last_anomaly |
Zjistí anomálie v posledním bodě textu požadavku. Odešlete úlohu detekce anomálií s více proměnnými s ID modelu trénovaného modelu a dat odvozování a data odvozování by se měla vložit do textu požadavku ve formátu JSON. Požadavek se dokončí synchronně a okamžitě vrátí detekci v textu odpovědi. |
detect_univariate_change_point |
Rozpozná bod změny pro celou řadu. Vyhodnoťte skóre každého bodu řady. |
detect_univariate_entire_series |
Detekce anomálií pro celou řadu v dávce Tato operace vygeneruje model s celou řadou, přičemž každý bod se detekuje pomocí stejného modelu. Při použití této metody se body před a za určitým bodem používají k určení, zda se jedná o anomálii. Celá detekce může uživateli poskytnout celkový stav časové řady. |
detect_univariate_last_point |
Detekujte stav anomálií poslední řady k určitému bodu v čase. Tato operace vygeneruje model pomocí bodů, které jste odeslali do rozhraní API, a na základě všech dat určí, jestli je poslední bod neobvyklý. |
get_multivariate_batch_detection_result |
Získejte výsledek detekce anomálií s více proměnnými. Pro asynchronní odvozování získejte výsledek detekce anomálií s více proměnnými na základě resultId vrácených rozhraním API BatchDetectAnomaly. |
get_multivariate_model |
Načíst vícerozměrný model Získejte podrobné informace o vícerozměrných modelech, včetně stavu trénování a proměnných použitých v modelu. |
list_multivariate_models |
Vypsat vícerozměrné modely. Vypíše modely prostředku. |
send_request |
Spustí síťový požadavek prostřednictvím zřetězených zásad klienta.
Další informace o tomto toku kódu najdete v tématu https://aka.ms/azsdk/dpcodegen/python/send_request |
train_multivariate_model |
Trénování modelu detekce anomálií s více proměnnými Vytvořte a natrénujte model detekce anomálií s více proměnnými. Požadavek musí obsahovat parametr zdroje, který označuje externě přístupný identifikátor URI úložiště objektů blob v Azure. Existují dva typy vstupu dat: identifikátor URI ukazuje na složku úložiště objektů blob v Azure, která obsahuje několik souborů CSV, a každý soubor CSV obsahuje dva sloupce, časové razítko a proměnnou. Dalším typem vstupu je identifikátor URI odkazovaný na soubor CSV ve službě Azure Blob Storage, který obsahuje všechny proměnné a sloupec časového razítka. |
close
close() -> None
delete_multivariate_model
Odstranit vícerozměrný model.
Odstraňte existující vícerozměrný model podle id modelu.
delete_multivariate_model(model_id: str, **kwargs: Any) -> None
Parametry
Návraty
Žádné
Návratový typ
Výjimky
detect_multivariate_batch_anomaly
Detekujte anomálii s více proměnnými.
Odešlete úlohu detekce anomálií s více proměnnými s ID modelu trénovaného modelu a odvozovacími daty. Vstupní schéma by mělo být stejné jako u požadavku na trénování. Požadavek se dokončí asynchronně a vrátí hodnotu resultId pro dotaz na výsledek detekce. Požadavek by měl být odkazem na zdroj, který označuje externě přístupný identifikátor URI úložiště Azure, který buď ukazuje na složku úložiště objektů blob v Azure, nebo na soubor CSV ve službě Azure Blob Storage.
detect_multivariate_batch_anomaly(model_id: str, options: MultivariateBatchDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateDetectionResult
Parametry
- options
- MultivariateBatchDetectionOptions nebo <xref:JSON> nebo IO
Požadavek detekce anomálií s více proměnnými. Jedná se o jeden z následujících typů: model, JSON, Vyžaduje se vstupně-výstupní operace.
- content_type
- str
Body parameter Content-Type. Známé hodnoty jsou: application/json. Výchozí hodnota je Žádná.
Návraty
MultivariateDetectionResult. MultivariateDetectionResult je kompatibilní s MutableMapping.
Návratový typ
Výjimky
detect_multivariate_last_anomaly
Zjistí anomálie v posledním bodě textu požadavku.
Odešlete úlohu detekce anomálií s více proměnnými s ID modelu trénovaného modelu a dat odvozování a data odvozování by se měla vložit do textu požadavku ve formátu JSON. Požadavek se dokončí synchronně a okamžitě vrátí detekci v textu odpovědi.
detect_multivariate_last_anomaly(model_id: str, options: MultivariateLastDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateLastDetectionResult
Parametry
- options
- MultivariateLastDetectionOptions nebo <xref:JSON> nebo IO
Žádost o poslední detekci Jedná se o jeden z následujících typů: model, JSON, Vyžaduje se vstupně-výstupní operace.
- content_type
- str
Body parameter Content-Type. Známé hodnoty jsou: application/json. Výchozí hodnota je Žádná.
Návraty
MultivariateLastDetectionResult. MultivariateLastDetectionResult je kompatibilní s MutableMapping.
Návratový typ
Výjimky
detect_univariate_change_point
Rozpozná bod změny pro celou řadu.
Vyhodnoťte skóre každého bodu řady.
detect_univariate_change_point(options: UnivariateChangePointDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateChangePointDetectionResult
Parametry
- options
- UnivariateChangePointDetectionOptions nebo <xref:JSON> nebo IO
Metoda detekce anomálií s jednorozměrnou hodnotou. Jedná se o jeden z následujících typů: model, JSON, Vyžaduje se vstupně-výstupní operace.
- content_type
- str
Body parameter Content-Type. Známé hodnoty jsou: application/json. Výchozí hodnota je Žádná.
Návraty
UnivariateChangePointDetectionResult. UnivariateChangePointDetectionResult je kompatibilní s MutableMapping.
Návratový typ
Výjimky
detect_univariate_entire_series
Detekce anomálií pro celou řadu v dávce
Tato operace vygeneruje model s celou řadou, přičemž každý bod se detekuje pomocí stejného modelu. Při použití této metody se body před a za určitým bodem používají k určení, zda se jedná o anomálii. Celá detekce může uživateli poskytnout celkový stav časové řady.
detect_univariate_entire_series(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateEntireDetectionResult
Parametry
- options
- UnivariateDetectionOptions nebo <xref:JSON> nebo IO
Metoda detekce anomálií s jednorozměrnou hodnotou. Jedná se o jeden z následujících typů: model, JSON, Vyžaduje se vstupně-výstupní operace.
- content_type
- str
Body parameter Content-Type. Známé hodnoty jsou: application/json. Výchozí hodnota je Žádná.
Návraty
UnivariateEntireDetectionResult. UnivariateEntireDetectionResult je kompatibilní s MutableMapping.
Návratový typ
Výjimky
detect_univariate_last_point
Detekujte stav anomálií poslední řady k určitému bodu v čase.
Tato operace vygeneruje model pomocí bodů, které jste odeslali do rozhraní API, a na základě všech dat určí, jestli je poslední bod neobvyklý.
detect_univariate_last_point(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateLastDetectionResult
Parametry
- options
- UnivariateDetectionOptions nebo <xref:JSON> nebo IO
Metoda detekce anomálií s jednorozměrnou hodnotou. Jedná se o jeden z následujících typů: model, JSON, Vyžaduje se vstupně-výstupní operace.
- content_type
- str
Body parameter Content-Type. Známé hodnoty jsou: application/json. Výchozí hodnota je Žádná.
Návraty
UnivariateLastDetectionResult. UnivariateLastDetectionResult je kompatibilní s MutableMapping.
Návratový typ
Výjimky
get_multivariate_batch_detection_result
Získejte výsledek detekce anomálií s více proměnnými.
Pro asynchronní odvozování získejte výsledek detekce anomálií s více proměnnými na základě resultId vrácených rozhraním API BatchDetectAnomaly.
get_multivariate_batch_detection_result(result_id: str, **kwargs: Any) -> MultivariateDetectionResult
Parametry
Návraty
MultivariateDetectionResult. MultivariateDetectionResult je kompatibilní s MutableMapping.
Návratový typ
Výjimky
get_multivariate_model
Načíst vícerozměrný model
Získejte podrobné informace o vícerozměrných modelech, včetně stavu trénování a proměnných použitých v modelu.
get_multivariate_model(model_id: str, **kwargs: Any) -> AnomalyDetectionModel
Parametry
Návraty
AnomalyDetectionModel. Model AnomalyDetectionModel je kompatibilní s MutableMapping.
Návratový typ
Výjimky
list_multivariate_models
Vypsat vícerozměrné modely.
Vypíše modely prostředku.
list_multivariate_models(*, skip: int | None = None, top: int | None = None, **kwargs: Any) -> Iterable[AnomalyDetectionModel]
Parametry
- skip
- int
Skip označuje, kolik modelů se přeskočí. Výchozí hodnota je Žádná.
- top
- int
Top označuje, kolik modelů se načte. Výchozí hodnota je Žádná.
Návraty
Iterátor jako instance AnomalyDetectionModel. Model AnomalyDetectionModel je kompatibilní s MutableMapping.
Návratový typ
Výjimky
send_request
Spustí síťový požadavek prostřednictvím zřetězených zásad klienta.
>>> from azure.core.rest import HttpRequest
>>> request = HttpRequest("GET", "https://www.example.org/")
<HttpRequest [GET], url: 'https://www.example.org/'>
>>> response = client.send_request(request)
<HttpResponse: 200 OK>
Další informace o tomto toku kódu najdete v tématu https://aka.ms/azsdk/dpcodegen/python/send_request
send_request(request: HttpRequest, **kwargs: Any) -> HttpResponse
Parametry
- stream
- bool
Určuje, jestli se datová část odpovědi bude streamovat. Výchozí hodnota je False.
Návraty
Odpověď síťového volání. Nezvládá zpracování chyb ve vaší odpovědi.
Návratový typ
train_multivariate_model
Trénování modelu detekce anomálií s více proměnnými
Vytvořte a natrénujte model detekce anomálií s více proměnnými. Požadavek musí obsahovat parametr zdroje, který označuje externě přístupný identifikátor URI úložiště objektů blob v Azure. Existují dva typy vstupu dat: identifikátor URI ukazuje na složku úložiště objektů blob v Azure, která obsahuje několik souborů CSV, a každý soubor CSV obsahuje dva sloupce, časové razítko a proměnnou. Dalším typem vstupu je identifikátor URI odkazovaný na soubor CSV ve službě Azure Blob Storage, který obsahuje všechny proměnné a sloupec časového razítka.
train_multivariate_model(model_info: ModelInfo | MutableMapping[str, Any] | IO, **kwargs: Any) -> AnomalyDetectionModel
Parametry
Informace o modelu. Jedná se o jeden z následujících typů: model, JSON, Vyžaduje se vstupně-výstupní operace.
- content_type
- str
Body parameter Content-Type. Známé hodnoty jsou: application/json. Výchozí hodnota je Žádná.
Návraty
AnomalyDetectionModel. Model AnomalyDetectionModel je kompatibilní s MutableMapping.
Návratový typ
Výjimky
Azure SDK for Python
Váš názor
https://aka.ms/ContentUserFeedback.
Připravujeme: V průběhu roku 2024 budeme postupně vyřazovat problémy z GitHub coby mechanismus zpětné vazby pro obsah a nahrazovat ho novým systémem zpětné vazby. Další informace naleznete v tématu:Odeslat a zobrazit názory pro