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.AnomalyDetectorClientOperationsMixin

AnomalyDetectorClient

Konstruktor

AnomalyDetectorClient(endpoint: str, credential: AzureKeyCredential, **kwargs: Any)

Parameter

endpoint

str

Diperlukan

Titik akhir Cognitive Services yang didukung (protokol dan nama host, misalnya: https://westus2.api.cognitive.microsoft.com). Wajib diisi.

credential

AzureKeyCredential

Diperlukan

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. >>> 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
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

model_id

str

Diperlukan

Pengidentifikasi model. Wajib diisi.

Mengembalikan

Tidak ada

Tipe hasil

None

Pengecualian

HttpResponseError

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

model_id

str

Diperlukan

Pengidentifikasi model. Wajib diisi.

options

MultivariateBatchDetectionOptions atau <xref:JSON> atau IO

Diperlukan

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

MultivariateDetectionResult

Pengecualian

HttpResponseError

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

model_id

str

Diperlukan

Pengidentifikasi model. Wajib diisi.

options

MultivariateLastDetectionOptions atau <xref:JSON> atau IO

Diperlukan

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

MultivariateLastDetectionResult

Pengecualian

HttpResponseError

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

Diperlukan

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

UnivariateChangePointDetectionResult

Pengecualian

HttpResponseError

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

Diperlukan

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

UnivariateEntireDetectionResult

Pengecualian

HttpResponseError

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

Diperlukan

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

UnivariateLastDetectionResult

Pengecualian

HttpResponseError

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

result_id

str

Diperlukan

ID hasil deteksi batch. Wajib diisi.

Mengembalikan

MultivariateDetectionResult. MultivariateDetectionResult kompatibel dengan MutableMapping

Tipe hasil

MultivariateDetectionResult

Pengecualian

HttpResponseError

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

model_id

str

Diperlukan

Pengidentifikasi model. Wajib diisi.

Mengembalikan

AnomalyDetectionModel. AnomalyDetectionModel kompatibel dengan MutableMapping

Tipe hasil

AnomalyDetectionModel

Pengecualian

HttpResponseError

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

ItemPaged[AnomalyDetectionModel]

Pengecualian

HttpResponseError

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

request

HttpRequest

Diperlukan

Permintaan jaringan yang ingin Anda buat. Wajib diisi.

stream

bool

Apakah payload respons akan dialirkan. Default ke False.

Mengembalikan

Respons panggilan jaringan Anda. Tidak melakukan penanganan kesalahan pada respons Anda.

Tipe hasil

HttpResponse

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

model_info

ModelInfo atau <xref:JSON> atau IO

Diperlukan

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

AnomalyDetectionModel

Pengecualian

HttpResponseError