AnomalyDetectorClient Kelas
API Detektor Anomali mendeteksi anomali secara otomatis dalam data rangkaian waktu. Ini mendukung dua jenis mode, satu untuk penggunaan stateless, yang lain adalah untuk penggunaan stateful. Dalam mode stateless, ada tiga fungsionalitas. Seluruh Deteksi adalah untuk mendeteksi seluruh seri dengan model yang dilatih oleh rangkaian waktu, Deteksi Terakhir mendeteksi titik terakhir dengan model yang dilatih oleh titik sebelumnya. ChangePoint Detect adalah untuk mendeteksi perubahan tren dalam rangkaian waktu. Dalam mode stateful, pengguna dapat menyimpan rangkaian waktu, rangkaian waktu tersimpan akan digunakan untuk anomali deteksi. Dalam mode ini, pengguna masih dapat menggunakan tiga fungsi di atas dengan hanya memberikan rentang waktu tanpa menyiapkan rangkaian waktu di sisi klien. Selain tiga fungsi di atas, model stateful juga menyediakan layanan deteksi dan pelabelan berbasis grup. Dengan memanfaatkan pelabelan pengguna layanan dapat menyediakan label untuk setiap hasil deteksi, label ini akan digunakan untuk menyetel ulang atau meregenerasi model deteksi. Deteksi inkonsistensi adalah semacam deteksi berbasis grup, deteksi ini akan menemukan yang inkonsistensi dalam serangkaian rangkaian waktu. Dengan menggunakan layanan detektor anomali, pelanggan bisnis dapat menemukan insiden dan menetapkan alur logika untuk analisis akar penyebab.
- Warisan
-
azure.ai.anomalydetector._operations._operations.AnomalyDetectorClientOperationsMixinAnomalyDetectorClient
Konstruktor
AnomalyDetectorClient(endpoint: str, credential: AzureKeyCredential, **kwargs: Any)
Parameter
- endpoint
- str
Titik akhir Cognitive Services yang didukung (protokol dan nama host, misalnya: https://westus2.api.cognitive.microsoft.com). Wajib diisi.
- credential
- AzureKeyCredential
Kredensial diperlukan agar klien tersambung ke Azure. Wajib diisi.
- api_version
- str
Versi Api. Nilai defaultnya adalah "v1.1". Perhatikan bahwa mengesampingkan nilai default ini dapat mengakibatkan perilaku yang tidak didukung.
Metode
close | |
delete_multivariate_model |
Hapus Model Multivariat. Hapus model multivariat yang ada sesuai dengan modelId,. |
detect_multivariate_batch_anomaly |
Mendeteksi Anomali Multivariat. Kirim tugas deteksi anomali multivariat dengan modelId model terlatih dan data inferensi, skema input harus sama dengan permintaan pelatihan. Permintaan akan selesai secara asinkron dan mengembalikan resultId untuk mengkueri hasil deteksi. Permintaan harus berupa tautan sumber untuk menunjukkan Uri penyimpanan Azure yang dapat diakses secara eksternal, baik diacu ke folder penyimpanan blob Azure, atau diacu ke file CSV di penyimpanan blob Azure. |
detect_multivariate_last_anomaly |
Deteksi anomali di titik terakhir isi permintaan. Kirim tugas deteksi anomali multivariat dengan modelId model terlatih dan data inferensi, dan data inferensi harus dimasukkan ke dalam isi permintaan dalam format JSON. Permintaan akan selesai secara sinkron dan mengembalikan deteksi segera di isi respons. |
detect_univariate_change_point |
Mendeteksi titik perubahan untuk seluruh rangkaian. Mengevaluasi skor titik perubahan dari setiap titik seri. |
detect_univariate_entire_series |
Mendeteksi anomali untuk seluruh seri dalam batch. 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_univariate_last_point |
Mendeteksi status anomali titik waktu terbaru dalam rangkaian waktu. Operasi ini menghasilkan model menggunakan titik yang Anda kirim ke API, dan berdasarkan semua data untuk menentukan apakah titik terakhir anomali. |
get_multivariate_batch_detection_result |
Dapatkan Hasil Deteksi Anomali Multivariat. Untuk inferensi asinkron, dapatkan hasil deteksi anomali multivariat berdasarkan resultId yang dikembalikan oleh api BatchDetectAnomaly. |
get_multivariate_model |
Dapatkan Model Multivariat. Dapatkan informasi detail model multivariat, termasuk status pelatihan dan variabel yang digunakan dalam model. |
list_multivariate_models |
Mencantumkan Model Multivariat. Mencantumkan model sumber daya. |
send_request |
Menjalankan permintaan jaringan melalui kebijakan berantai klien.
Untuk informasi selengkapnya tentang alur kode ini, lihat https://aka.ms/azsdk/dpcodegen/python/send_request |
train_multivariate_model |
Melatih Model Deteksi Anomali Multivariat. Membuat dan melatih model deteksi anomali multivariat. Permintaan harus menyertakan parameter sumber untuk menunjukkan URI penyimpanan blob Azure yang dapat diakses secara eksternal. Ada dua jenis input data: URI yang menunjuk ke folder penyimpanan blob Azure yang berisi beberapa file CSV, dan setiap file CSV berisi dua kolom, tanda waktu, dan variabel. Jenis input lain adalah URI yang menunjuk ke file CSV di penyimpanan blob Azure, yang berisi semua variabel dan kolom tanda waktu. |
close
close() -> None
delete_multivariate_model
Hapus Model Multivariat.
Hapus model multivariat yang ada sesuai dengan modelId,.
delete_multivariate_model(model_id: str, **kwargs: Any) -> None
Parameter
Mengembalikan
Tidak ada
Tipe hasil
Pengecualian
detect_multivariate_batch_anomaly
Mendeteksi Anomali Multivariat.
Kirim tugas deteksi anomali multivariat dengan modelId model terlatih dan data inferensi, skema input harus sama dengan permintaan pelatihan. Permintaan akan selesai secara asinkron dan mengembalikan resultId untuk mengkueri hasil deteksi. Permintaan harus berupa tautan sumber untuk menunjukkan Uri penyimpanan Azure yang dapat diakses secara eksternal, baik diacu ke folder penyimpanan blob Azure, atau diacu ke file CSV di penyimpanan blob Azure.
detect_multivariate_batch_anomaly(model_id: str, options: MultivariateBatchDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateDetectionResult
Parameter
- options
- MultivariateBatchDetectionOptions atau <xref:JSON> atau IO
Permintaan deteksi anomali multivariat. Adalah salah satu jenis berikut: model, JSON, IO Required.
- content_type
- str
Parameter isi Jenis Konten. Nilai yang diketahui adalah: aplikasi/json. Nilai defaultnya adalah Tidak Ada.
Mengembalikan
MultivariateDetectionResult. MultivariateDetectionResult kompatibel dengan MutableMapping
Tipe hasil
Pengecualian
detect_multivariate_last_anomaly
Deteksi anomali di titik terakhir isi permintaan.
Kirim tugas deteksi anomali multivariat dengan modelId model terlatih dan data inferensi, dan data inferensi harus dimasukkan ke dalam isi permintaan dalam format JSON. Permintaan akan selesai secara sinkron dan mengembalikan deteksi segera di isi respons.
detect_multivariate_last_anomaly(model_id: str, options: MultivariateLastDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateLastDetectionResult
Parameter
- options
- MultivariateLastDetectionOptions atau <xref:JSON> atau IO
Permintaan deteksi terakhir. Adalah salah satu jenis berikut: model, JSON, IO Required.
- content_type
- str
Parameter isi Jenis Konten. Nilai yang diketahui adalah: aplikasi/json. Nilai defaultnya adalah Tidak Ada.
Mengembalikan
MultivariateLastDetectionResult. MultivariateLastDetectionResult kompatibel dengan MutableMapping
Tipe hasil
Pengecualian
detect_univariate_change_point
Mendeteksi titik perubahan untuk seluruh rangkaian.
Mengevaluasi skor titik perubahan dari setiap titik seri.
detect_univariate_change_point(options: UnivariateChangePointDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateChangePointDetectionResult
Parameter
- options
- UnivariateChangePointDetectionOptions atau <xref:JSON> atau IO
Metode deteksi anomali univariat. Adalah salah satu jenis berikut: model, JSON, IO Required.
- content_type
- str
Parameter isi Jenis Konten. Nilai yang diketahui adalah: aplikasi/json. Nilai defaultnya adalah Tidak Ada.
Mengembalikan
UnivariateChangePointDetectionResult. UnivariateChangePointDetectionResult kompatibel dengan MutableMapping
Tipe hasil
Pengecualian
detect_univariate_entire_series
Mendeteksi anomali untuk seluruh seri dalam batch.
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_univariate_entire_series(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateEntireDetectionResult
Parameter
- options
- UnivariateDetectionOptions atau <xref:JSON> atau IO
Metode deteksi anomali univariat. Adalah salah satu jenis berikut: model, JSON, IO Required.
- content_type
- str
Parameter isi Jenis Konten. Nilai yang diketahui adalah: aplikasi/json. Nilai defaultnya adalah Tidak Ada.
Mengembalikan
UnivariateEntireDetectionResult. UnivariateEntireDetectionResult kompatibel dengan MutableMapping
Tipe hasil
Pengecualian
detect_univariate_last_point
Mendeteksi status anomali titik waktu terbaru dalam rangkaian waktu.
Operasi ini menghasilkan model menggunakan titik yang Anda kirim ke API, dan berdasarkan semua data untuk menentukan apakah titik terakhir anomali.
detect_univariate_last_point(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateLastDetectionResult
Parameter
- options
- UnivariateDetectionOptions atau <xref:JSON> atau IO
Metode deteksi anomali univariat. Adalah salah satu jenis berikut: model, JSON, IO Required.
- content_type
- str
Parameter isi Jenis Konten. Nilai yang diketahui adalah: aplikasi/json. Nilai defaultnya adalah Tidak Ada.
Mengembalikan
UnivariateLastDetectionResult. UnivariateLastDetectionResult kompatibel dengan MutableMapping
Tipe hasil
Pengecualian
get_multivariate_batch_detection_result
Dapatkan Hasil Deteksi Anomali Multivariat.
Untuk inferensi asinkron, dapatkan hasil deteksi anomali multivariat berdasarkan resultId yang dikembalikan oleh api BatchDetectAnomaly.
get_multivariate_batch_detection_result(result_id: str, **kwargs: Any) -> MultivariateDetectionResult
Parameter
Mengembalikan
MultivariateDetectionResult. MultivariateDetectionResult kompatibel dengan MutableMapping
Tipe hasil
Pengecualian
get_multivariate_model
Dapatkan Model Multivariat.
Dapatkan informasi detail model multivariat, termasuk status pelatihan dan variabel yang digunakan dalam model.
get_multivariate_model(model_id: str, **kwargs: Any) -> AnomalyDetectionModel
Parameter
Mengembalikan
AnomalyDetectionModel. AnomalyDetectionModel kompatibel dengan MutableMapping
Tipe hasil
Pengecualian
list_multivariate_models
Mencantumkan Model Multivariat.
Mencantumkan model sumber daya.
list_multivariate_models(*, skip: int | None = None, top: int | None = None, **kwargs: Any) -> Iterable[AnomalyDetectionModel]
Parameter
- skip
- int
Lewati menunjukkan berapa banyak model yang akan dilewati. Nilai defaultnya adalah Tidak Ada.
- top
- int
Bagian atas menunjukkan berapa banyak model yang akan diambil. Nilai defaultnya adalah Tidak Ada.
Mengembalikan
Iterator seperti instans AnomalyDetectionModel. AnomalyDetectionModel kompatibel dengan MutableMapping
Tipe hasil
Pengecualian
send_request
Menjalankan permintaan jaringan melalui kebijakan berantai klien.
>>> 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>
Untuk informasi selengkapnya tentang alur kode ini, lihat https://aka.ms/azsdk/dpcodegen/python/send_request
send_request(request: HttpRequest, **kwargs: Any) -> HttpResponse
Parameter
- stream
- bool
Apakah payload respons akan dialirkan. Default ke False.
Mengembalikan
Respons panggilan jaringan Anda. Tidak melakukan penanganan kesalahan pada respons Anda.
Tipe hasil
train_multivariate_model
Melatih Model Deteksi Anomali Multivariat.
Membuat dan melatih model deteksi anomali multivariat. Permintaan harus menyertakan parameter sumber untuk menunjukkan URI penyimpanan blob Azure yang dapat diakses secara eksternal. Ada dua jenis input data: URI yang menunjuk ke folder penyimpanan blob Azure yang berisi beberapa file CSV, dan setiap file CSV berisi dua kolom, tanda waktu, dan variabel. Jenis input lain adalah URI yang menunjuk ke file CSV di penyimpanan blob Azure, yang berisi semua variabel dan kolom tanda waktu.
train_multivariate_model(model_info: ModelInfo | MutableMapping[str, Any] | IO, **kwargs: Any) -> AnomalyDetectionModel
Parameter
Informasi model. Adalah salah satu jenis berikut: model, JSON, IO Required.
- content_type
- str
Parameter isi Jenis Konten. Nilai yang diketahui adalah: aplikasi/json. Nilai defaultnya adalah Tidak Ada.
Mengembalikan
AnomalyDetectionModel. AnomalyDetectionModel kompatibel dengan MutableMapping
Tipe hasil
Pengecualian
Azure SDK for Python
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