Wat is de Anomaly Detector univariate API?
Met de Anomaly Detector API kunt u afwijkingen in uw tijdreeksgegevens bewaken en detecteren zonder dat u machine learning hoeft te kennen. De algoritmes van Anomaly Detector-API worden aangepast door automatisch de best-passende modellen voor uw gegevens te bepalen en toe te passen, ongeacht de branche, het scenario of het gegevensvolume. Met behulp van uw tijdreeksgegevens worden de grenzen voor anomaliedetectie en verwachte waarden vastgesteld, alsmede welke gegevenspunten anomalieën zijn.
Voor het Anomaly Detector is geen eerdere ervaring met machine learning vereist en met de REST API kunt u de service eenvoudig integreren in uw toepassingen en processen.
Deze documentatie bevat de volgende typen artikelen:
- De quickstarts zijn stapsgewijs instructies voor het aanroepen van de service en het in korte tijd krijgen van resultaten.
- De instructiegidsen bevatten instructies voor het gebruik van de service op specifiekere of aangepaste manieren.
- De conceptuele artikelen bevatten uitgebreide uitleg over de functionaliteit en functies van de service.
- De zelfstudies zijn langere handleidingen die laten zien hoe u deze service kunt gebruiken als onderdeel van bredere bedrijfsoplossingen.
Functies
Met Anomaly Detector kunt u automatisch anomalieën in uw tijdreeksgegevens detecteren of wanneer deze in realtime optreden.
| Functie | Beschrijving |
|---|---|
| Afwijkingsdetectie in realtime. | Anomalieën in uw streaminggegevens detecteren door de nieuwste punten te vergelijken met eerder gedetecteerde gegevenspunten. Met deze bewerking wordt een model gegenereerd met de gegevenspunten die u verzendt, en wordt bepaald of het doelpunt een anomalie is. Door de API aan te roepen bij elk nieuw gegevenspunt dat u genereert, kunt u uw gegevens bewaken terwijl ze worden gemaakt. |
| Detecteert anomalieën in uw gegevensset als een batch. | Uw tijdreeks gebruiken om eventuele anomalieën in uw gegevens op te sporen. Met deze bewerking wordt een model gegenereerd op basis van uw volledige tijdreeksgegevens, waarbij elk punt wordt geanalyseerd met hetzelfde model. |
| Detecteert wijzigingspunten in uw gegevensset als een batch. | Uw tijdreeks om eventuele wijzigingspunten in uw gegevens te detecteren. Met deze bewerking wordt een model gegenereerd op basis van uw volledige tijdreeksgegevens, waarbij elk punt wordt geanalyseerd met hetzelfde model. |
| Aanvullende informatie over het probleem ophalen. | Nuttige informatie over uw gegevens en eventuele waargenomen afwijkingen, waaronder verwachte waarden, anomaliegrenzen en posities. |
| Grenzen voor anomaliedetectie aanpassen. | Met de Anomaly Detector-API worden automatisch grenzen voor anomaliedetectie gemaakt. U kunt deze grenzen aanpassen om de gevoeligheid van de API voor anomalieën in gegevens te verhogen of verlagen, en te optimaliseren voor uw gegevens. |
Demo
Bekijk deze interactieve demo om beter te begrijpen hoe Anomaly Detector werkt. Als u de demo wilt uitvoeren, moet u een Anomaly Detector-resource maken en de API-sleutel en het eindpunt ophalen.
Notebook
Als u wilt weten hoe u de Anomaly Detector-API aanroept, probeert u dit notebook. Dit Jupyter Notebook laat zien hoe u een API-aanvraag verzendt en het resultaat visualiseert.
Als u de Notebook wilt uitvoeren, moet u een geldige Anomaly Detector API-abonnementssleutel en een API-eindpunt krijgen. Voeg in het notebook uw geldige api Anomaly Detector-abonnementssleutel toe aan de variabele subscription_key en wijzig de variabele in uw endpoint eindpunt.
Werkstroom
De Anomaly Detector-API is een RESTful-webservice die eenvoudig kan worden aangeroepen vanuit elke programmeertaal waarmee HTTP-aanvragen kunnen worden gedaan en JSON kan worden geparseerd.
Notitie
Voor de beste resultaten wanneer u de Anomaly Detector-API gebruikt, moeten de tijdreeksgegevens in JSON-indeling het volgende bevatten:
- gegevenspunten die door hetzelfde interval zijn gescheiden, waarbij niet meer dan 10% van het verwachte aantal punten ontbreekt;
- ten minste twaalf gegevenspunten als uw gegevens geen duidelijk seizoensgebonden karakter hebben;
- ten minste viermaal een patroon als uw gegevens wel een duidelijk seizoensgebonden karakter hebben.
U hebt een account voor Cognitive Services-API met toegang tot de Anomaly Detector-API's nodig. U kunt uw abonnementssleutel in de Azure Portal vinden nadat u uw account hebt gemaakt.
Nadat u zich hebt geregistreerd:
- Converteer uw tijdreeksgegevens naar een geldige JSON-indeling. Bereid uw gegevens voor in overeenstemming met de best practices voor de beste resultaten.
- Verzend een aanvraag naar de Anomaly Detector-API met uw gegevens.
- Verwerk de API-reactie door het geretourneerde JSON-bericht te parseren.
Algoritmen
- Zie de volgende technische blogs voor informatie over de gebruikte algoritmen:
U kunt de paper Time-Series Anomaly Detection Service at Microsoft (goedgekeurd door KDD 2019) lezen voor meer informatie over de SR-CNN-algoritmen die zijn ontwikkeld door Microsoft.
Servicebeschikbaarheid en redundantie
Is de Anomaly Detector-service zonetolerant?
Ja. De Anomaly Detector-service is standaard zonetolerant.
Hoe kan ik de Anomaly Detector-service zo configureren dat deze zonetolerant wordt?
Er is geen klantconfiguratie nodig om zonetolerantie in te schakelen. Zonetolerantie voor Anomaly Detector-bronnen is standaard beschikbaar en wordt beheerd door de service zelf.
On-premises implementeren met behulp van Docker-containers
Gebruik Anomaly Detector-containers om API-functies on-premises te implementeren. Met Docker-containers kunt u de service om nalevings-, beveiligings- of andere operationele redenen dichter bij uw gegevens brengen.
Lid worden van de Anomaly Detector-community
- Word lid van de Anomaly Detector-adviesgroep van Microsoft Teams
Volgende stappen
- Snelstart: Anomalieën detecteren in uw tijdreeksgegevens met behulp van de Anomaly Detector
- Online demo voor de Anomaly Detector-API
- Naslaginformatie over de REST API van Anomaly Detector