How to: De Anomaly Detector API gebruiken voor uw tijdreeksgegevens
De Anomaly Detector API biedt twee methoden voor anomaliedetectie. U kunt afwijkingen detecteren als een batch in uw tijdreeks of als uw gegevens worden gegenereerd door de anomaliestatus van het meest recente gegevenspunt te detecteren. Het detectiemodel retourneert anomalieresultaten samen met de verwachte waarde van elk gegevenspunt en de boven- en ondergrenzen voor anomaliedetectie. U kunt deze waarden gebruiken om het bereik van normale waarden en afwijkingen in de gegevens te visualiseren.
Anomaliedetectiemodi
De Anomaly Detector API biedt detectiemodi: batch en streaming.
Notitie
De volgende aanvraag-URL's moeten worden gecombineerd met het juiste eindpunt voor uw abonnement. Bijvoorbeeld: https://<your-custom-subdomain>.api.cognitive.microsoft.com/anomalydetector/v1.0/timeseries/entire/detect
Batchdetectie
Als u afwijkingen wilt detecteren in een batch met gegevenspunten gedurende een bepaald tijdsbereik, gebruikt u de volgende aanvraag-URI bij uw tijdreeksgegevens:
/timeseries/entire/detect.
Door uw tijdreeksgegevens in één keer te verzenden, genereert de API een model met behulp van de hele reeks en analyseert elk gegevenspunt mee.
Streamingdetectie
Als u continu afwijkingen in streaminggegevens wilt detecteren, gebruikt u de volgende aanvraag-URI met uw meest recente gegevenspunt:
/timeseries/last/detect.
Door nieuwe gegevenspunten te verzenden terwijl u ze genereert, kunt u uw gegevens in realtime bewaken. Er wordt een model gegenereerd met de gegevenspunten die u verzendt en de API bepaalt of het laatste punt in de tijdreeks een anomalie is.
Grenzen voor detectie van lagere en bovenste anomaliedetectie aanpassen
Standaard worden de boven- en ondergrenzen voor anomaliedetectie berekend met expectedValue behulp van , en upperMargin lowerMargin . Als u andere grenzen nodig hebt, raden we u aan om een toe te marginScale passen op upperMargin of lowerMargin . De grenzen worden als volgt berekend:
| Grens | Berekening |
|---|---|
upperBoundary |
expectedValue + (100 - marginScale) * upperMargin |
lowerBoundary |
expectedValue - (100 - marginScale) * lowerMargin |
In de volgende voorbeelden wordt een Anomaly Detector API-resultaat bij verschillende gevoeligheden.
Voorbeeld met gevoeligheid op 99
Voorbeeld met gevoeligheid op 95
Voorbeeld met gevoeligheid op 85
