AnomalyDetector class
- Extends
Konstruktor
Anomaly |
Menginisialisasi instans baru kelas AnomalyDetector. |
Properti yang Diwariskan
api |
|
endpoint |
Metode
delete |
Menghapus model multivarian yang ada sesuai dengan modelId |
detect |
Kirim tugas deteksi anomali multivariat dengan model modelId yang dilatih, skema input harus sama dengan permintaan pelatihan. Dengan demikian permintaan akan selesai secara asinkron dan akan mengembalikan resultId untuk menanyakan hasil deteksi. Permintaan harus berupa tautan sumber untuk menunjukkan Uri penyimpanan Azure yang dapat diakses secara eksternal (lebih disukai Uri Tanda Tangan Akses Bersama). Semua deret waktu yang digunakan dalam menghasilkan model harus di-zip ke dalam satu file tunggal. Setiap deret waktu akan menjadi sebagai berikut: kolom pertama adalah stempel waktu dan kolom kedua adalah nilai. |
detect |
Mengevaluasi skor titik perubahan dari setiap titik seri |
detect |
Operasi ini menghasilkan model dengan seluruh seri, setiap titik terdeteksi dengan model yang sama. Dengan metode ini, titik sebelum dan sesudah titik tertentu digunakan untuk menentukan apakah itu anomali. Seluruh deteksi dapat memberi pengguna status keseluruhan rangkaian waktu. |
detect |
Operasi ini menghasilkan model menggunakan poin sebelum yang terbaru. Dengan metode ini, hanya titik historis yang digunakan untuk menentukan apakah titik target merupakan anomali. Operasi pendeteksian titik terbaru cocok dengan skenario pemantauan metrik bisnis secara real time. |
export |
Ekspor model deteksi anomali multivariat berdasarkan modelId |
get |
Dapatkan hasil deteksi anomali multivariat berdasarkan resultId yang dikembalikan oleh api DetectAnomalyAsync |
get |
Dapatkan informasi detail model multivariat, termasuk status pelatihan dan variabel yang digunakan dalam model. |
last |
API yang disinkronkan untuk deteksi anomali. |
list |
Daftar model langganan |
train |
Membuat dan melatih model deteksi anomali multivariat. Permintaan harus menyertakan parameter sumber untuk menunjukkan Uri penyimpanan Azure yang dapat diakses secara eksternal (sebaiknya Uri Tanda Tangan Akses Bersama). Semua deret waktu yang digunakan dalam menghasilkan model harus di-zip ke dalam satu file tunggal. Setiap deret waktu akan berada dalam satu file CSV di mana kolom pertama adalah stempel waktu dan kolom kedua adalah nilai. |
Metode yang Diwarisi
send |
Kirim permintaan HTTP yang diisi menggunakan OperationSpec yang disediakan. |
send |
Kirim httpRequest yang disediakan. |
Detail Konstruktor
AnomalyDetector(string, AnomalyDetectorOptionalParams)
Menginisialisasi instans baru kelas AnomalyDetector.
new AnomalyDetector(endpoint: string, options?: AnomalyDetectorOptionalParams)
Parameter
- endpoint
-
string
Titik akhir Cognitive Services yang didukung (protokol dan nama host, misalnya: https://westus2.api.cognitive.microsoft.com).
- options
- AnomalyDetectorOptionalParams
Opsi parameter
Detail Properti yang Diwariskan
apiVersion
endpoint
Detail Metode
deleteMultivariateModel(string, AnomalyDetectorDeleteMultivariateModelOptionalParams)
Menghapus model multivarian yang ada sesuai dengan modelId
function deleteMultivariateModel(modelId: string, options?: AnomalyDetectorDeleteMultivariateModelOptionalParams): Promise<RestResponse>
Parameter
- modelId
-
string
Pengidentifikasi model.
Parameter opsi.
Mengembalikan
Promise<RestResponse>
detectAnomaly(string, DetectionRequest, AnomalyDetectorDetectAnomalyOptionalParams)
Kirim tugas deteksi anomali multivariat dengan model modelId yang dilatih, skema input harus sama dengan permintaan pelatihan. Dengan demikian permintaan akan selesai secara asinkron dan akan mengembalikan resultId untuk menanyakan hasil deteksi. Permintaan harus berupa tautan sumber untuk menunjukkan Uri penyimpanan Azure yang dapat diakses secara eksternal (lebih disukai Uri Tanda Tangan Akses Bersama). Semua deret waktu yang digunakan dalam menghasilkan model harus di-zip ke dalam satu file tunggal. Setiap deret waktu akan menjadi sebagai berikut: kolom pertama adalah stempel waktu dan kolom kedua adalah nilai.
function detectAnomaly(modelId: string, body: DetectionRequest, options?: AnomalyDetectorDetectAnomalyOptionalParams): Promise<AnomalyDetectorDetectAnomalyResponse>
Parameter
- modelId
-
string
Pengidentifikasi model.
- body
- DetectionRequest
Mendeteksi permintaan anomali
Parameter opsi.
Mengembalikan
Promise<AnomalyDetectorDetectAnomalyResponse>
detectChangePoint(DetectChangePointRequest, AnomalyDetectorDetectChangePointOptionalParams)
Mengevaluasi skor titik perubahan dari setiap titik seri
function detectChangePoint(body: DetectChangePointRequest, options?: AnomalyDetectorDetectChangePointOptionalParams): Promise<AnomalyDetectorDetectChangePointResponse>
Parameter
Titik rangkaian waktu dan granularitas diperlukan. Parameter model tingkat lanjut juga dapat diatur dalam permintaan jika diperlukan.
Parameter opsi.
Mengembalikan
detectEntireSeries(DetectRequest, AnomalyDetectorDetectEntireSeriesOptionalParams)
Operasi ini menghasilkan model dengan seluruh seri, setiap titik terdeteksi dengan model yang sama. Dengan metode ini, titik sebelum dan sesudah titik tertentu digunakan untuk menentukan apakah itu anomali. Seluruh deteksi dapat memberi pengguna status keseluruhan rangkaian waktu.
function detectEntireSeries(body: DetectRequest, options?: AnomalyDetectorDetectEntireSeriesOptionalParams): Promise<AnomalyDetectorDetectEntireSeriesResponse>
Parameter
- body
- DetectRequest
Titik dan periode rangkaian waktu jika diperlukan. Parameter model tingkat lanjut juga dapat diatur dalam permintaan.
Parameter opsi.
Mengembalikan
detectLastPoint(DetectRequest, AnomalyDetectorDetectLastPointOptionalParams)
Operasi ini menghasilkan model menggunakan poin sebelum yang terbaru. Dengan metode ini, hanya titik historis yang digunakan untuk menentukan apakah titik target merupakan anomali. Operasi pendeteksian titik terbaru cocok dengan skenario pemantauan metrik bisnis secara real time.
function detectLastPoint(body: DetectRequest, options?: AnomalyDetectorDetectLastPointOptionalParams): Promise<AnomalyDetectorDetectLastPointResponse>
Parameter
- body
- DetectRequest
Titik dan periode rangkaian waktu jika diperlukan. Parameter model tingkat lanjut juga dapat diatur dalam permintaan.
Parameter opsi.
Mengembalikan
exportModel(string, AnomalyDetectorExportModelOptionalParams)
Ekspor model deteksi anomali multivariat berdasarkan modelId
function exportModel(modelId: string, options?: AnomalyDetectorExportModelOptionalParams): Promise<AnomalyDetectorExportModelResponse>
Parameter
- modelId
-
string
Pengidentifikasi model.
Parameter opsi.
Mengembalikan
Promise<AnomalyDetectorExportModelResponse>
getDetectionResult(string, AnomalyDetectorGetDetectionResultOptionalParams)
Dapatkan hasil deteksi anomali multivariat berdasarkan resultId yang dikembalikan oleh api DetectAnomalyAsync
function getDetectionResult(resultId: string, options?: AnomalyDetectorGetDetectionResultOptionalParams): Promise<AnomalyDetectorGetDetectionResultResponse>
Parameter
- resultId
-
string
Pengidentifikasi hasil.
Parameter opsi.
Mengembalikan
getMultivariateModel(string, AnomalyDetectorGetMultivariateModelOptionalParams)
Dapatkan informasi detail model multivariat, termasuk status pelatihan dan variabel yang digunakan dalam model.
function getMultivariateModel(modelId: string, options?: AnomalyDetectorGetMultivariateModelOptionalParams): Promise<AnomalyDetectorGetMultivariateModelResponse>
Parameter
- modelId
-
string
Pengidentifikasi model.
Parameter opsi.
Mengembalikan
lastDetectAnomaly(string, LastDetectionRequest, AnomalyDetectorLastDetectAnomalyOptionalParams)
API yang disinkronkan untuk deteksi anomali.
function lastDetectAnomaly(modelId: string, body: LastDetectionRequest, options?: AnomalyDetectorLastDetectAnomalyOptionalParams): Promise<AnomalyDetectorLastDetectAnomalyResponse>
Parameter
- modelId
-
string
Pengidentifikasi model.
- body
- LastDetectionRequest
Permintaan deteksi terakhir.
Parameter opsi.
Mengembalikan
listMultivariateModel(AnomalyDetectorListMultivariateModelOptionalParams)
Daftar model langganan
function listMultivariateModel(options?: AnomalyDetectorListMultivariateModelOptionalParams): PagedAsyncIterableIterator<AnomalyDetectorClientModelSnapshot, AnomalyDetectorClientModelSnapshot[], PageSettings>
Parameter
Parameter opsi.
Mengembalikan
trainMultivariateModel(AnomalyDetectorClientModelInfo, AnomalyDetectorTrainMultivariateModelOptionalParams)
Membuat dan melatih model deteksi anomali multivariat. Permintaan harus menyertakan parameter sumber untuk menunjukkan Uri penyimpanan Azure yang dapat diakses secara eksternal (sebaiknya Uri Tanda Tangan Akses Bersama). Semua deret waktu yang digunakan dalam menghasilkan model harus di-zip ke dalam satu file tunggal. Setiap deret waktu akan berada dalam satu file CSV di mana kolom pertama adalah stempel waktu dan kolom kedua adalah nilai.
function trainMultivariateModel(body: AnomalyDetectorClientModelInfo, options?: AnomalyDetectorTrainMultivariateModelOptionalParams): Promise<AnomalyDetectorTrainMultivariateModelResponse>
Parameter
Permintaan pelatihan
Parameter opsi.
Mengembalikan
Detail Metode yang Diwarisi
sendOperationRequest(OperationArguments, OperationSpec, ServiceCallback<any>)
Kirim permintaan HTTP yang diisi menggunakan OperationSpec yang disediakan.
function sendOperationRequest(operationArguments: OperationArguments, operationSpec: OperationSpec, callback?: ServiceCallback<any>): Promise<RestResponse>
Parameter
- operationArguments
- OperationArguments
Argumen tempat nilai templat permintaan HTTP akan diisi.
- operationSpec
- OperationSpec
OperationSpec yang digunakan untuk mengisi httpRequest.
- callback
-
ServiceCallback<any>
Panggilan balik untuk memanggil saat respons diterima.
Mengembalikan
Promise<RestResponse>
Diwarisi DariAnomalyDetectorContext.sendOperationRequest
sendRequest(RequestPrepareOptions | WebResourceLike)
Kirim httpRequest yang disediakan.
function sendRequest(options: RequestPrepareOptions | WebResourceLike): Promise<HttpOperationResponse>
Parameter
- options
Mengembalikan
Promise<HttpOperationResponse>
Diwarisi DariAnomalyDetectorContext.sendRequest
Azure SDK for JavaScript
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk