방법: 시계열 데이터에서 변칙 탐지기 API 사용How to: Use the Anomaly Detector API on your time series data

변칙 탐지기 API 는 두 가지 변칙 검색 방법을 제공 합니다.The Anomaly Detector API provides two methods of anomaly detection. 시간 계열 전체의 일괄 처리로 비정상을 검색 하거나, 최신 데이터 요소의 변칙 상태를 검색 하 여 데이터를 생성할 수 있습니다.You can either detect anomalies as a batch throughout your times series, or as your data is generated by detecting the anomaly status of the latest data point. 검색 모델은 각 데이터 요소의 예상 값과 상위 및 낮은 변칙 검색 경계와 함께 이상 결과를 반환 합니다.The detection model returns anomaly results along with each data point's expected value, and the upper and lower anomaly detection boundaries. 이러한 값을 사용 하 여 일반 값의 범위와 데이터의 이상 값을 시각화할 수 있습니다.you can use these values to visualize the range of normal values, and anomalies in the data.

변칙 검색 모드Anomaly detection modes

변칙 탐지기 API는 검색 모드 (일괄 처리 및 스트리밍)를 제공 합니다.The Anomaly Detector API provides detection modes: batch and streaming.

참고

다음 요청 Url은 구독에 적합 한 끝점과 결합 되어야 합니다.The following request URLs must be combined with the appropriate endpoint for your subscription. https://<your-custom-subdomain>.api.cognitive.microsoft.com/anomalydetector/v1.0/timeseries/entire/detectFor example: https://<your-custom-subdomain>.api.cognitive.microsoft.com/anomalydetector/v1.0/timeseries/entire/detect

일괄 검색Batch detection

지정 된 시간 범위 동안 데이터 요소 일괄 처리에서 변칙을 검색 하려면 시계열 데이터에 다음 요청 URI를 사용 합니다.To detect anomalies throughout a batch of data points over a given time range, use the following request URI with your time series data:

/timeseries/entire/detect./timeseries/entire/detect.

시계열 데이터를 한 번에 전송 하면 API는 전체 계열을 사용 하 여 모델을 생성 하 고 각 데이터 요소를 분석 합니다.By sending your time series data at once, the API will generate a model using the entire series, and analyze each data point with it.

스트리밍 검색Streaming detection

스트리밍 데이터에 대 한 변칙을 지속적으로 감지 하려면 최신 데이터 요소와 함께 다음 요청 URI를 사용 합니다.To continuously detect anomalies on streaming data, use the following request URI with your latest data point:

/timeseries/last/detect'./timeseries/last/detect'.

데이터를 생성할 때 새 데이터 요소를 전송 하 여 실시간으로 데이터를 모니터링할 수 있습니다.By sending new data points as you generate them, you can monitor your data in real time. 전송 하는 데이터 요소를 사용 하 여 모델이 생성 되 고 API는 시계열의 최신 시점이 비정상 인지 여부를 확인 합니다.A model will be generated with the data points you send, and the API will determine if the latest point in the time series is an anomaly.

하위 및 상위 변칙 검색 경계 조정Adjusting lower and upper anomaly detection boundaries

기본적으로 변칙 검색의 상한 및 하 한 경계는, expectedValue upperMarginlowerMargin를 사용 하 여 계산 됩니다.By default, the upper and lower boundaries for anomaly detection are calculated using expectedValue, upperMargin, and lowerMargin. 다른 경계가 필요한 경우 또는 marginScale upperMargin lowerMargin에를 적용 하는 것이 좋습니다.If you require different boundaries, we recommend applying a marginScale to upperMargin or lowerMargin. 경계는 다음과 같이 계산 됩니다.The boundaries would be calculated as follows:

경계Boundary 계산Calculation
upperBoundary expectedValue + (100 - marginScale) * upperMargin
lowerBoundary expectedValue - (100 - marginScale) * lowerMargin

다음 예에서는 서로 다른 구분에서 변칙 탐지기 API 결과를 보여 줍니다.The following examples show an Anomaly Detector API result at different sensitivities.

99의 민감도를 포함 하는 예제Example with sensitivity at 99

기본 민감도

95의 민감도를 포함 하는 예제Example with sensitivity at 95

99 민감도

85의 민감도를 포함 하는 예제Example with sensitivity at 85

85 민감도

다음 단계Next Steps