Cara: Menggunakan API Anomaly Detector univariat pada data rangkaian waktu Anda

API Detektor Anomali menyediakan dua metode deteksi anomali. Anda dapat mendeteksi anomali sebagai batch sepanjang rangkaian waktu Anda, atau karena data Anda dihasilkan dengan mendeteksi status anomali titik data terbaru. Model deteksi mengembalikan hasil anomali bersama dengan nilai yang diharapkan setiap titik data, dan batas deteksi anomali atas dan bawah. Anda dapat menggunakan nilai-nilai ini untuk memvisualisasikan rentang nilai normal, dan anomali dalam data.

Mode deteksi anomali

API Detektor Anomali menyediakan mode deteksi: batch dan streaming.

Catatan

URL permintaan berikut harus digabungkan dengan titik akhir yang sesuai untuk langganan Anda. Misalnya: https://<your-custom-subdomain>.api.cognitive.microsoft.com/anomalydetector/v1.0/timeseries/entire/detect

Deteksi batch

Untuk mendeteksi anomali di seluruh kumpulan titik data dalam rentang waktu tertentu, gunakan URI permintaan berikut dengan data rangkaian waktu Anda:

/timeseries/entire/detect.

Dengan mengirimkan data rangkaian waktu Anda sekaligus, API akan menghasilkan model menggunakan seluruh rangkaian, dan menganalisis setiap titik data dengannya.

Deteksi streaming

Untuk terus mendeteksi anomali pada data streaming, gunakan URI permintaan berikut dengan titik data terbaru Anda:

/timeseries/last/detect.

Dengan mengirim titik data baru saat Anda menghasilkannya, Anda dapat memantau data Anda secara real time. Model akan dibuat dengan titik data yang Anda kirim, dan API akan menentukan apakah titik terbaru dalam seri waktu adalah anomali.

Menyesuaikan batas deteksi anomali bawah dan atas

Secara default, batas atas dan bawah untuk deteksi anomali dihitung menggunakan expectedValue, upperMargin, dan lowerMargin. Jika Anda memerlukan batasan yang berbeda, sebaiknya terapkan marginScale ke upperMargin atau lowerMargin. Batasan akan dihitung sebagai berikut:

Perbatasan Penghitungan
upperBoundary expectedValue + (100 - marginScale) * upperMargin
lowerBoundary expectedValue - (100 - marginScale) * lowerMargin

Contoh berikut menunjukkan hasil API Anomaly Detector pada sensitivitas yang berbeda.

Contoh dengan sensitivitas pada 99

Default Sensitivity

Contoh dengan sensitivitas pada 95

99 Sensitivity

Contoh dengan sensitivitas pada 85

85 Sensitivity

Langkah berikutnya