¿Qué es la API univariante Anomaly Detector?

  • Artículo
  • 4 minutos para leer

Anomaly Detector API permite supervisar y detectar anomalías en los datos de serie temporal sin tener que saber aprendizaje automático. Los algoritmos de Anomaly Detector API se adaptan al identificar y aplicar automáticamente los modelos más idóneos para sus datos, con independencia del sector, el escenario o el volumen de datos. Con el uso de datos de serie temporal, la API determina los límites de la detección de anomalías, los valores esperados y qué puntos de datos son anomalías.

Detectar cambios de patrón en las solicitudes de servicio

Para usar Anomaly Detector, no se necesita ninguna experiencia anterior con el aprendizaje automático, y la API REST le permite integrar fácilmente el servicio en sus aplicaciones y procesos.

Esta documentación contiene los siguientes tipos de artículos:

  • Los inicios rápidos son instrucciones paso a paso que permiten realizar llamadas al servicio y obtener los resultados en un breve período de tiempo.
  • Las guías paso a paso contienen instrucciones para usar el servicio de maneras más específicas o personalizadas.
  • Los artículos conceptuales proporcionan explicaciones detalladas de la funcionalidad y las características del servicio.
  • Los tutoriales son guías más largas que muestran cómo usar este servicio como componente en soluciones empresariales más amplias.

Características

Con Anomaly Detector, puede detectar automáticamente las anomalías existentes en los datos de serie temporal, o cuando se producen en tiempo real.

Característica Descripción
Detección de anomalías en tiempo real. Detecte anomalías en sus datos de transmisión mediante los puntos de datos vistos anteriormente para determinar si el último de ellos es una anomalía. Esta operación genera un modelo con los puntos de datos enviados y determina si el punto de destino es una anomalía. La llamada a la API con cada nuevo punto de datos que genera le permite supervisar los datos que se crean.
Detección de anomalías en todo el conjunto de datos como un lote Use la serie temporal para detectar las anomalías que podrían existir en los datos. Esta operación genera un modelo con todos los datos de serie temporal, donde cada punto de analiza con el mismo modelo.
Detecte los puntos de cambio en el conjunto de datos como un lote. Use la serie temporal para detectar los puntos de cambio de tendencia que existan en los datos. Esta operación genera un modelo con todos los datos de serie temporal, donde cada punto de analiza con el mismo modelo.
Obtención de información adicional sobre los datos Obtenga útiles detalles sobre los datos y las anomalías observadas, como los valores esperados, los límites de anomalías y las posiciones.
Ajuste de los límites de detección de anomalías Anomaly Detector API crea automáticamente límites para la detección de anomalías. Configure estos límites para aumentar o disminuir la sensibilidad de la API a las anomalías de datos y ajustar mejor los datos.

Demostración

Consulte esta demostración interactiva para comprender cómo funciona Anomaly Detector. Para ejecutar la demostración, debe crear un recurso de Anomaly Detector y obtener la clave de API y el punto de conexión.

Notebook

Para saber cómo llamar a Anomaly Detector API, pruebe este cuaderno. En esta instancia de Jupyter Notebook se muestra cómo enviar una solicitud de API y visualizar el resultado.

Para ejecutar el cuaderno, debe obtener una clave de suscripción de Anomaly Detector API y un punto de conexión de API. En el cuaderno, agregue la clave de suscripción de Anomaly Detector API válida a la variable subscription_key y cambie la variable endpoint al punto de conexión.

Flujo de trabajo

Anomaly Detector API es un servicio web RESTful, lo que significa que es fácil llamarlo desde cualquier lenguaje de programación que pueda realizar solicitudes HTTP y analizar código JSON.

Nota

Para obtener mejores resultados cuando utilice la API Anomaly Detector, sus datos de series temporales con formato JSON deben incluir:

  • puntos de datos separados por el mismo intervalo, sin que falte más del 10 % del número esperado de puntos.
  • al menos 12 puntos de datos si sus datos no tienen un patrón estacional claro.
  • por lo menos cuatro ocurrencias de patrones si los datos tienen un patrón estacional claro.

Debe tener una cuenta de Cognitive Services API con acceso a Anomaly Detector API. Puede obtener la clave de suscripción en Azure Portal después de crear la cuenta.

Después del registro:

  1. Tome sus datos de serie temporal y conviértalos en un formato JSON válido. Use los procedimientos recomendados al preparar los datos para obtener los mejores resultados.
  2. Envíe una solicitud a Anomaly Detector API con sus datos.
  3. Analice el mensaje JSON devuelto para procesar la respuesta de API.

Algoritmos

Puede leer el artículo Time-Series Anomaly Detection Service at Microsoft (Servicio de detección de anomalías de Time Series) (aceptado por KDD 2019) para conocer los algoritmos SR-CNN desarrollados por Microsoft.

Disponibilidad y redundancia del servicio

¿El servicio Anomaly Detector tiene resistencia de zona?

Sí. El servicio Anomaly Detector tiene resistencia de zona de manera predeterminada.

¿Cómo se configura el servicio Anomaly Detector para que tenga resistencia de zona?

No es necesaria ninguna configuración de parte del cliente para habilitar la resistencia de zonas. La resistencia de zona para los recursos de Anomaly Detector está disponible de manera predeterminada y la administra el propio servicio.

Implementación local mediante contenedores de Docker

Use contenedores de Anomaly Detector para implementar características de API de forma local. Los contenedores de Docker permiten acercar el servicio a los datos para mejorar el cumplimiento, la seguridad o por otras razones operativas.

Únase a la comunidad de Anomaly Detector

Pasos siguientes