API de detección de anomalías de Machine LearningMachine Learning Anomaly Detection API

Nota

Este elemento está en mantenimiento.This item is under maintenance. Le recomendamos que use el servicio de API de Anomaly Detector con tecnología de una galería de algoritmos de Machine Learning en Azure Cognitive Services para detectar anomalías de negocios, operaciones y métricas de IoT.We encourage you to use the Anomaly Detector API service powered by a gallery of Machine Learning algorithms under Azure Cognitive Services to detect anomalies from business, operational, and IoT metrics.

Información generalOverview

La API de detección de anomalías es un ejemplo integrado en Azure Machine Learning que detecta anomalías en los datos de serie temporales con valores numéricos espaciados de manera uniforme en el tiempo.Anomaly Detection API is an example built with Azure Machine Learning that detects anomalies in time series data with numerical values that are uniformly spaced in time.

Estas API pueden detectar los siguientes tipos de patrones anómalos en datos de series temporales:This API can detect the following types of anomalous patterns in time series data:

  • Tendencias positivas y negativas: por ejemplo, al supervisar el uso de memoria en informática, una tendencia al alza puede resultar interesante porque puede ser indicativa de una pérdida de memoria.Positive and negative trends: For example, when monitoring memory usage in computing an upward trend may be of interest as it may be indicative of a memory leak,
  • Cambios en el intervalo dinámico de valores: por ejemplo, al supervisar las excepciones producidas por un servicio en la nube, cualquier cambio en el intervalo dinámico de valores podría indicar inestabilidad en el estado del servicio.Changes in the dynamic range of values: For example, when monitoring the exceptions thrown by a cloud service, any changes in the dynamic range of values could indicate instability in the health of the service, and
  • Cambios abruptos e interrupciones: por ejemplo, al supervisar el número de errores de inicio de sesión en un servicio o el número de finalizaciones de compras en un sitio de comercio electrónico, los cambios abruptos y las interrupciones podrían indicar un comportamiento anormal.Spikes and Dips: For example, when monitoring the number of login failures in a service or number of checkouts in an e-commerce site, spikes or dips could indicate abnormal behavior.

Estos detectores de aprendizaje automático realizan un seguimiento de dichos cambios en los valores con el paso del tiempo e informan de los cambios continuados en sus valores con puntuaciones de anomalías.These machine learning detectors track such changes in values over time and report ongoing changes in their values as anomaly scores. No requieren el ajuste del umbral ad hoc y sus puntuaciones pueden utilizarse para controlar el índice de falsos positivos.They do not require adhoc threshold tuning and their scores can be used to control false positive rate. La API de detección de anomalías es útil en varios escenarios, por ejemplo, la supervisión de servicios mediante el seguimiento de KPI en el tiempo, la supervisión del uso mediante métricas como el número de búsquedas o el número de clics y la supervisión del rendimiento mediante contadores como la memoria, la CPU, las lecturas de archivos, etc., en el tiempo.The anomaly detection API is useful in several scenarios like service monitoring by tracking KPIs over time, usage monitoring through metrics such as number of searches, numbers of clicks, performance monitoring through counters like memory, CPU, file reads, etc. over time.

La oferta de detección de anomalías incluye herramientas útiles para comenzar.The Anomaly Detection offering comes with useful tools to get you started.

  • La aplicación web le ayuda a evaluar y visualizar los resultados de las API de detección de anomalías en los datos.The web application helps you evaluate and visualize the results of anomaly detection APIs on your data.

Nota

Pruebe IT Anomaly Insights solution de esta API.Try IT Anomaly Insights solution powered by this API

Implementación de la APIAPI Deployment

Para poder usar la API, debe implementarla en su suscripción de Azure, donde se hospedará como un servicio web Machine Learning.In order to use the API, you must deploy it to your Azure subscription where it will be hosted as an Azure Machine Learning web service. Puede hacerlo desde la Galería de Azure AI.You can do this from the Azure AI Gallery. Con esta acción se implementarán dos servicios web de Azure Machine Learning Studio (y sus recursos relacionados) en su suscripción de Azure: uno para la detección de anomalías con detección de estacionalidad y otro sin detección de estacionalidad.This will deploy two Azure Machine Learning studio Web Services (and their related resources) to your Azure subscription - one for anomaly detection with seasonality detection, and one without seasonality detection. Una vez que la implementación haya finalizado, podrá administrar las API desde la página Azure Machine Learning Studio web services (Servicios web de Azure Machine Learning Studio).Once the deployment has completed, you will be able to manage your APIs from the Azure Machine Learning studio web services page. En esta página podrá buscar sus ubicaciones de punto de conexión y las claves de API, así como código de ejemplo para llamar a la API.From this page, you will be able to find your endpoint locations, API keys, as well as sample code for calling the API. Puede encontrar instrucciones más detalladas aquí.More detailed instructions are available here.

Escalado de la aplicaciónScaling the API

De forma predeterminada, la implementación tendrá un plan de facturación de desarrollo y pruebas gratuito que incluye 1000 transacciones al mes y 2 horas de proceso al mes.By default, your deployment will have a free Dev/Test billing plan which includes 1,000 transactions/month and 2 compute hours/month. Puede actualizar a otro plan según sus necesidades.You can upgrade to another plan as per your needs. La información de precios de los distintos planes está disponibles aquí en "Precios de API web de producción".Details on the pricing of different plans are available here under "Production Web API pricing".

Administración de los planes de AMLManaging AML Plans

Puede administrar el plan de facturación aquí.You can manage your billing plan here. El nombre del plan tomará como base el nombre del grupo de recursos que eligió al implementar la API, a lo que se añadirá una cadena única para la suscripción.The plan name will be based on the resource group name you chose when deploying the API, plus a string that is unique to your subscription. Las instrucciones sobre cómo actualizar el plan están disponibles aquí en la sección "Administración de planes de facturación".Instructions on how to upgrade your plan are available here under the "Managing billing plans" section.

Definición de la APIAPI Definition

El servicio web proporciona API basadas en REST a través de HTTPS que se pueden consumir de varias formas, como una aplicación web o móvil, R, Python, Excel, etc. Los datos de la serie temporal se envían a este servicio mediante una llamada a la API de REST, y se ejecuta una combinación de los tres tipos de anomalías descritos a continuación.The web service provides a REST-based API over HTTPS that can be consumed in different ways including a web or mobile application, R, Python, Excel, etc. You send your time series data to this service via a REST API call, and it runs a combination of the three anomaly types described below.

Llamada a la APICalling the API

Para poder llamar a la API, debe conocer la ubicación del punto de conexión y la clave de API.In order to call the API, you will need to know the endpoint location and API key. Estos dos elementos, junto con el código de ejemplo para llamar a la API, están disponibles en la página Azure Machine Learning Studio web services (Servicios web de Azure Machine Learning Studio).Both of these, along with sample code for calling the API, are available from the Azure Machine Learning studio web services page. Navegue a la API deseada y, a continuación, haga clic en la pestaña "Consume" (Usar) para buscarlos.Navigate to the desired API, and then click the "Consume" tab to find them. Tenga en cuenta que se puede llamar a la API como una API de Swagger (es decir, con el parámetro de dirección URL format=swagger) o como una API no Swagger (es decir, sin el parámetro de dirección URL format).Note that you can call the API as a Swagger API (i.e. with the URL parameter format=swagger) or as a non-Swagger API (i.e. without the format URL parameter). El código de ejemplo utiliza el formato de Swagger.The sample code uses the Swagger format. A continuación se muestra una solicitud de ejemplo y una respuesta en formato no Swagger.Below is an example request and response in non-Swagger format. Estos ejemplos son para el punto de conexión de estacionalidad.These examples are to the seasonality endpoint. El punto de conexión de no estacionalidad es similar.The non-seasonality endpoint is similar.

Cuerpo de solicitud de ejemploSample Request Body

La solicitud contiene dos objetos: Inputs y GlobalParameters.The request contains two objects: Inputs and GlobalParameters. En la solicitud de ejemplo siguiente, algunos parámetros se envían explícitamente mientras que otros no (desplácese hacia abajo para obtener una lista completa de parámetros para cada punto de conexión).In the example request below, some parameters are sent explicitly while others are not (scroll down for a full list of parameters for each endpoint). Los parámetros que no se envían explícitamente en la solicitud utilizarán los valores predeterminados que se indican a continuación.Parameters that are not sent explicitly in the request will use the default values given below.

{
            "Inputs": {
                    "input1": {
                            "ColumnNames": ["Time", "Data"],
                            "Values": [
                                    ["5/30/2010 18:07:00", "1"],
                                    ["5/30/2010 18:08:00", "1.4"],
                                    ["5/30/2010 18:09:00", "1.1"]
                            ]
                    }
            },
    "GlobalParameters": {
        "tspikedetector.sensitivity": "3",
        "zspikedetector.sensitivity": "3",
        "bileveldetector.sensitivity": "3.25",
        "detectors.spikesdips": "Both"
    }
}

Respuesta de ejemploSample Response

Tenga en cuenta que, para ver el campo ColumnNames, debe incluir details=true como un parámetro de dirección URL en la solicitud.Note that, in order to see the ColumnNames field, you must include details=true as a URL parameter in your request. Consulte las tablas siguientes para conocer el significado de cada uno de estos campos.See the tables below for the meaning behind each of these fields.

{
    "Results": {
        "output1": {
            "type": "table",
            "value": {
                "Values": [
                    ["5/30/2010 6:07:00 PM", "1", "1", "0", "0", "-0.687952590518378", "0", "-0.687952590518378", "0", "-0.687952590518378", "0"],
                    ["5/30/2010 6:08:00 PM", "1.4", "1.4", "0", "0", "-1.07030497733224", "0", "-0.884548154298423", "0", "-1.07030497733224", "0"],
                    ["5/30/2010 6:09:00 PM", "1.1", "1.1", "0", "0", "-1.30229513613974", "0", "-1.173800281031", "0", "-1.30229513613974", "0"]
                ],
                "ColumnNames": ["Time", "OriginalData", "ProcessedData", "TSpike", "ZSpike", "BiLevelChangeScore", "BiLevelChangeAlert", "PosTrendScore", "PosTrendAlert", "NegTrendScore", "NegTrendAlert"],
                "ColumnTypes": ["DateTime", "Double", "Double", "Double", "Double", "Double", "Int32", "Double", "Int32", "Double", "Int32"]
            }
        }
    }
}

API de puntuaciónScore API

La API de puntuación se utiliza para ejecutar la detección de anomalías en datos de series temporales no estacionales.The Score API is used for running anomaly detection on non-seasonal time series data. La API ejecuta una serie de detectores de anomalías en los datos y devuelve sus puntuaciones de anomalías.The API runs a number of anomaly detectors on the data and returns their anomaly scores. En la siguiente ilustración se muestra un ejemplo de anomalías que puede detectar la API de puntuación.The figure below shows an example of anomalies that the Score API can detect. Esta serie temporal tiene 2 cambios de nivel distintos y 3 picos.This time series has 2 distinct level changes, and 3 spikes. Los puntos rojos muestran la hora en que se detecta el cambio de nivel, mientras que los puntos negros muestran los picos detectados.The red dots show the time at which the level change is detected, while the black dots show the detected spikes. API de puntuaciónScore API

DetectoresDetectors

La API de detección de anomalías admite detectores en tres categorías generales.The anomaly detection API supports detectors in 3 broad categories. En la siguiente tabla se pueden encontrar detalles sobre parámetros de entrada específicos y salidas para cada detector.Details on specific input parameters and outputs for each detector can be found in the following table.

Categoría del detectorDetector Category DetectorDetector DESCRIPCIÓNDescription Parámetros de entradaInput Parameters SalidasOutputs
Detectores de picoSpike Detectors Detector de TSpikeTSpike Detector Detecta picos y DIP según lo lejos que estén los valores del primer y el tercer cuartil.Detect spikes and dips based on far the values are from first and third quartiles tspikedetector.Sensitivity: toma el valor entero en el intervalo 1-10 (valor predeterminado: 3); los valores más altos capturarán más valores extremos, por tanto, habrá menos sensibilidad.tspikedetector.sensitivity: takes integer value in the range 1-10, default: 3; Higher values will catch more extreme values thus making it less sensitive TSpike: valores binarios: '1' si se detecta un pico o una interrupción, '0' en caso contrarioTSpike: binary values – ‘1’ if a spike/dip is detected, ‘0’ otherwise
Detectores de picoSpike Detectors Detector de ZSpikeZSpike Detector Detecta picos y DIP en función de lo lejos que estén los puntos de datos de la media.Detect spikes and dips based on how far the datapoints are from their mean zspikedetector.sensitivity: toma el valor entero en el intervalo 1-10 (valor predeterminado: 3); los valores más altos capturarán más valores extremos, por lo que habrá menos sensibilidad.zspikedetector.sensitivity: take integer value in the range 1-10, default: 3; Higher values will catch more extreme values making it less sensitive ZSpike: valores binarios: '1' si se detecta un pico o una interrupción, si no '0'ZSpike: binary values – ‘1’ if a spike/dip is detected, ‘0’ otherwise
Detector de tendencia lentaSlow Trend Detector Detector de tendencia lentaSlow Trend Detector Detección de tendencia positiva lenta según la sensibilidad establecidaDetect slow positive trend as per the set sensitivity trenddetector.sensitivity: umbral en la puntuación del detector (valor predeterminado: 3.25, 3.25: 5 es un intervalo razonable del cual seleccionar este valor; cuanto más alto, menos sensible)trenddetector.sensitivity: threshold on detector score (default: 3.25, 3.25 – 5 is a reasonable range to select this from; The higher the less sensitive) tscore: número flotante que representa la puntuación de anomalías en la tendenciatscore: floating number representing anomaly score on trend
Detectores de cambio de nivelLevel Change Detectors Detector de cambio de nivel bidireccionalBidirectional Level Change Detector Detección de cambio de nivel ascendente y descendente según la sensibilidad establecidaDetect both upward and downward level change as per the set sensitivity bileveldetector.sensitivity: umbral en la puntuación del detector (valor predeterminado: 3.25, 3.25: 5 es un intervalo razonable del cual seleccionar este valor; cuanto más alto, menos sensible)bileveldetector.sensitivity: threshold on detector score (default: 3.25, 3.25 – 5 is a reasonable range to select this from; The higher the less sensitive) rpscore: número flotante que representa la puntuación de anomalía en el cambio de nivel ascendente y descendenterpscore: floating number representing anomaly score on upward and downward level change

ParámetrosParameters

En la siguiente tabla se muestra información más detallada sobre estos parámetros de entrada:More detailed information on these input parameters is listed in the table below:

Parámetros de entradaInput Parameters DESCRIPCIÓNDescription Configuración predeterminadaDefault Setting TypeType Intervalo válidoValid Range Intervalo sugeridoSuggested Range
detectors.historywindowdetectors.historywindow Historial (en número de puntos de datos) utilizado para el cálculo de la puntuación de anomalíaHistory (in # of data points) used for anomaly score computation 500500 integerinteger 10-200010-2000 Dependiente de la serie temporalTime-series dependent
detectors.spikesdipsdetectors.spikesdips Si se deben detectar solo subidas, solo bajadas, o ambosWhether to detect only spikes, only dips, or both AmbosBoth enumeratedenumerated Ambos, subidas, bajadasBoth, Spikes, Dips AmbosBoth
bileveldetector.sensitivitybileveldetector.sensitivity Sensibilidad del detector de cambio de nivel bidireccional.Sensitivity for bidirectional level change detector. 3.253.25 doubledouble NoneNone 3.25-5 (cuanto menores sean los valores, mayor es la sensibilidad)3.25-5 (Lesser values mean more sensitive)
trenddetector.sensitivitytrenddetector.sensitivity Sensibilidad del detector de tendencia positiva.Sensitivity for positive trend detector. 3.253.25 doubledouble NoneNone 3.25-5 (cuanto menores sean los valores, mayor es la sensibilidad)3.25-5 (Lesser values mean more sensitive)
tspikedetector.sensitivitytspikedetector.sensitivity Sensibilidad del detector TSpikeSensitivity for TSpike Detector 33 integerinteger 1-101-10 3-5 (cuanto menores sean los valores, mayor es la sensibilidad)3-5 (Lesser values mean more sensitive)
zspikedetector.sensitivityzspikedetector.sensitivity Sensibilidad del detector ZSpikeSensitivity for ZSpike Detector 33 integerinteger 1-101-10 3-5 (cuanto menores sean los valores, mayor es la sensibilidad)3-5 (Lesser values mean more sensitive)
postprocess.tailRowspostprocess.tailRows Número de los puntos de datos más recientes que se van a mantener en los resultados de salidaNumber of the latest data points to be kept in the output results 00 integerinteger 0 (se mantienen todos los puntos de datos), o especifique el número de puntos para mantener en los resultados0 (keep all data points), or specify number of points to keep in results N/DN/A

SalidaOutput

La API ejecuta todos los detectores en los datos de la serie temporal y devuelve puntuaciones de anomalías e indicadores de picos binarios para cada punto en el tiempo.The API runs all detectors on your time series data and returns anomaly scores and binary spike indicators for each point in time. En la tabla siguiente se muestran los resultados de la API.The table below lists outputs from the API.

SalidasOutputs DESCRIPCIÓNDescription
HoraTime Marcas de tiempo de datos sin procesar, o datos agregados (o) atribuidos si se aplica la agregación (o) atribución de los datos que faltanTimestamps from raw data, or aggregated (and/or) imputed data if aggregation (and/or) missing data imputation is applied
DatosData Valores de datos sin procesar, o datos agregados (o) atribuidos si se aplica la agregación (o) atribución de los datos que faltanValues from raw data, or aggregated (and/or) imputed data if aggregation (and/or) missing data imputation is applied
TSpikeTSpike Indicador binario para indicar si el detector TSpike ha detectado un picoBinary indicator to indicate whether a spike is detected by TSpike Detector
ZSpikeZSpike Indicador binario para indicar si el detector ZSpike ha detectado un picoBinary indicator to indicate whether a spike is detected by ZSpike Detector
rpscorerpscore Número flotante que representa la puntuación de anomalía en el cambio de nivel bidireccionalA floating number representing anomaly score on bidirectional level change
rpalertrpalert Valor 1/0 que indica que hay una anomalía de cambio de nivel bidireccional basada en la sensibilidad de entrada1/0 value indicating there is a bidirectional level change anomaly based on the input sensitivity
tscoretscore Número flotante que representa la puntuación de anomalía en tendencia positivaA floating number representing anomaly score on positive trend
talerttalert Valor 1/0 que indica que hay una anomalía de tendencia positiva basada en la sensibilidad de entrada1/0 value indicating there is a positive trend anomaly based on the input sensitivity

La API ScoreWithSeasonalityScoreWithSeasonality API

La API ScoreWithSeasonality se utiliza para ejecutar la detección de anomalías en series temporales que tienen patrones estacionales.The ScoreWithSeasonality API is used for running anomaly detection on time series that have seasonal patterns. Esta API es útil para detectar desviaciones en los patrones estacionales.This API is useful to detect deviations in seasonal patterns. En la siguiente ilustración se muestra un ejemplo de anomalías detectadas en una serie temporal estacional.The following figure shows an example of anomalies detected in a seasonal time series. La serie temporal tiene un pico (el primer punto negro), dos interrupciones (el segundo punto negro y otro al final) y un cambio de nivel (punto rojo).The time series has one spike (the 1st black dot), two dips (the 2nd black dot and one at the end), and one level change (red dot). Tenga en cuenta que tanto la interrupción en el medio de la serie temporal como el cambio de nivel son solo apreciables después de que los componentes estacionales se eliminan de la serie.Note that both the dip in the middle of the time series and the level change are only discernable after seasonal components are removed from the series. API de estacionalidadSeasonality API

DetectoresDetectors

Los detectores en el punto de conexión de estacionalidad son similares a los del punto de conexión de no estacionalidad, pero con nombres de parámetro ligeramente diferentes (incluidos más abajo).The detectors in the seasonality endpoint are similar to the ones in the non-seasonality endpoint, but with slightly different parameter names (listed below).

ParámetrosParameters

En la siguiente tabla se muestra información más detallada sobre estos parámetros de entrada:More detailed information on these input parameters is listed in the table below:

Parámetros de entradaInput Parameters DESCRIPCIÓNDescription Configuración predeterminadaDefault Setting TypeType Intervalo válidoValid Range Intervalo sugeridoSuggested Range
preprocess.aggregationIntervalpreprocess.aggregationInterval Intervalo de agregación en segundos para agregar series temporales de entradaAggregation interval in seconds for aggregating input time series 0 (no se realiza ninguna agregación)0 (no aggregation is performed) integerinteger 0: omitir agregación, de lo contrario, > 00: skip aggregation, > 0 otherwise De 5 minutos a 1 día, dependiente de la serie temporal5 minutes to 1 day, time-series dependent
preprocess.aggregationFuncpreprocess.aggregationFunc Función que se usa para agregar datos al objeto AggregationInterval especificadoFunction used for aggregating data into the specified AggregationInterval meanmean enumeratedenumerated mean, sum, lengthmean, sum, length N/DN/A
preprocess.replaceMissingpreprocess.replaceMissing Valores que se utiliza para atribuir los datos que faltanValues used to impute missing data lkv (último valor conocido)lkv (last known value) enumeratedenumerated zero, lkv, meanzero, lkv, mean N/DN/A
detectors.historywindowdetectors.historywindow Historial (en número de puntos de datos) utilizado para el cálculo de la puntuación de anomalíaHistory (in # of data points) used for anomaly score computation 500500 integerinteger 10-200010-2000 Dependiente de la serie temporalTime-series dependent
detectors.spikesdipsdetectors.spikesdips Si se deben detectar solo subidas, solo bajadas, o ambosWhether to detect only spikes, only dips, or both AmbosBoth enumeratedenumerated Ambos, subidas, bajadasBoth, Spikes, Dips AmbosBoth
bileveldetector.sensitivitybileveldetector.sensitivity Sensibilidad del detector de cambio de nivel bidireccional.Sensitivity for bidirectional level change detector. 3.253.25 doubledouble NoneNone 3.25-5 (cuanto menores sean los valores, mayor es la sensibilidad)3.25-5 (Lesser values mean more sensitive)
postrenddetector.sensitivitypostrenddetector.sensitivity Sensibilidad del detector de tendencia positiva.Sensitivity for positive trend detector. 3.253.25 doubledouble NoneNone 3.25-5 (cuanto menores sean los valores, mayor es la sensibilidad)3.25-5 (Lesser values mean more sensitive)
negtrenddetector.sensitivitynegtrenddetector.sensitivity Sensibilidad del detector de tendencia negativa.Sensitivity for negative trend detector. 3.253.25 doubledouble NoneNone 3.25-5 (cuanto menores sean los valores, mayor es la sensibilidad)3.25-5 (Lesser values mean more sensitive)
tspikedetector.sensitivitytspikedetector.sensitivity Sensibilidad del detector TSpikeSensitivity for TSpike Detector 33 integerinteger 1-101-10 3-5 (cuanto menores sean los valores, mayor es la sensibilidad)3-5 (Lesser values mean more sensitive)
zspikedetector.sensitivityzspikedetector.sensitivity Sensibilidad del detector ZSpikeSensitivity for ZSpike Detector 33 integerinteger 1-101-10 3-5 (cuanto menores sean los valores, mayor es la sensibilidad)3-5 (Lesser values mean more sensitive)
seasonality.enableseasonality.enable Si se realizará el análisis de estacionalidadWhether seasonality analysis is to be performed truetrue booleanboolean true, falsetrue, false Dependiente de la serie temporalTime-series dependent
seasonality.numSeasonalityseasonality.numSeasonality Número máximo de ciclos periódicos para detectarMaximum number of periodic cycles to be detected 11 integerinteger 1, 21, 2 1-21-2
seasonality.transformseasonality.transform Si los componentes de tendencia (y) estacionales se eliminarán antes de aplicar la detección de anomalíasWhether seasonal (and) trend components shall be removed before applying anomaly detection deseasondeseason enumeratedenumerated none, deseason, deseasontrendnone, deseason, deseasontrend N/DN/A
postprocess.tailRowspostprocess.tailRows Número de los puntos de datos más recientes que se van a mantener en los resultados de salidaNumber of the latest data points to be kept in the output results 00 integerinteger 0 (se mantienen todos los puntos de datos), o especifique el número de puntos para mantener en los resultados0 (keep all data points), or specify number of points to keep in results N/DN/A

SalidaOutput

La API ejecuta todos los detectores en los datos de la serie temporal y devuelve puntuaciones de anomalías e indicadores de picos binarios para cada punto en el tiempo.The API runs all detectors on your time series data and returns anomaly scores and binary spike indicators for each point in time. En la tabla siguiente se muestran los resultados de la API.The table below lists outputs from the API.

SalidasOutputs DESCRIPCIÓNDescription
HoraTime Marcas de tiempo de datos sin procesar, o datos agregados (o) atribuidos si se aplica la agregación (o) atribución de los datos que faltanTimestamps from raw data, or aggregated (and/or) imputed data if aggregation (and/or) missing data imputation is applied
OriginalDataOriginalData Valores de datos sin procesar, o datos agregados (o) atribuidos si se aplica la agregación (o) atribución de los datos que faltanValues from raw data, or aggregated (and/or) imputed data if aggregation (and/or) missing data imputation is applied
ProcessedDataProcessedData Cualquiera de las siguientes:Either of the following:
  • Serie temporal ajustada estacionalmente si se ha detectado una estacionalidad importante y se ha seleccionado la opción deseason.Seasonally adjusted time series if significant seasonality has been detected and deseason option selected;
  • Serie temporal ajustada estacionalmente y con anulación de tendencia (detrended) si se ha detectado una estacionalidad importante y se ha seleccionado la opción deseasontrend;seasonally adjusted and detrended time series if significant seasonality has been detected and deseasontrend option selected
  • de lo contrario, es igual a OriginalData.otherwise, this is the same as OriginalData
TSpikeTSpike Indicador binario para indicar si el detector TSpike ha detectado un picoBinary indicator to indicate whether a spike is detected by TSpike Detector
ZSpikeZSpike Indicador binario para indicar si el detector ZSpike ha detectado un picoBinary indicator to indicate whether a spike is detected by ZSpike Detector
BiLevelChangeScoreBiLevelChangeScore Número flotante que representa la puntuación de anomalía en el cambio de nivelA floating number representing anomaly score on level change
BiLevelChangeAlertBiLevelChangeAlert Valor 1/0 que indica que hay una anomalía de cambio de nivel basada en la sensibilidad de entrada1/0 value indicating there is a level change anomaly based on the input sensitivity
PosTrendScorePosTrendScore Número flotante que representa la puntuación de anomalía en tendencia positivaA floating number representing anomaly score on positive trend
PosTrendAlertPosTrendAlert Valor 1/0 que indica que hay una anomalía de tendencia positiva basada en la sensibilidad de entrada1/0 value indicating there is a positive trend anomaly based on the input sensitivity
NegTrendScoreNegTrendScore Número flotante que representa la puntuación de anomalía en tendencia negativaA floating number representing anomaly score on negative trend
NegTrendAlertNegTrendAlert Valor 1/0 que indica que hay una anomalía de tendencia negativa basada en la sensibilidad de entrada1/0 value indicating there is a negative trend anomaly based on the input sensitivity