AnomalyDetectorClient Classe

A API Detector de Anomalias detecta anomalias automaticamente em dados de série temporal. Ele dá suporte a dois tipos de modo, um é para uso sem estado, outro é para uso com estado. No modo sem estado, há três funcionalidades. A detecção inteira é para detectar toda a série com o modelo treinado pela série temporal, a Última Detecção está detectando o último ponto com o modelo treinado por pontos antes. ChangePoint Detect é para detectar alterações de tendência em séries temporais. No modo com estado, o usuário pode armazenar séries temporais, a série temporal armazenada será usada para anomalias de detecção. Nesse modo, o usuário ainda pode usar as três funcionalidades acima fornecendo apenas um intervalo de tempo sem preparar séries temporais no lado do cliente. Além das três funcionalidades acima, o modelo com estado também fornece serviço de detecção e rotulagem baseado em grupo. Ao aproveitar o serviço de rotulagem que o usuário pode fornecer rótulos para cada resultado de detecção, esses rótulos serão usados para reajustar ou regenerar modelos de detecção. A detecção de inconsistência é um tipo de detecção baseada em grupo. Essa detecção encontrará inconsistências em um conjunto de séries temporais. Usando o serviço detector de anomalias, os clientes empresariais podem descobrir incidentes e estabelecer um fluxo lógico para análise de causa raiz.

Herança

azure.ai.anomalydetector._operations._operations.AnomalyDetectorClientOperationsMixin

AnomalyDetectorClient

Construtor

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

Parâmetros

endpoint

str

Obrigatório

Pontos de extremidade dos Serviços Cognitivos com suporte (protocolo e nome do host, por exemplo: https://westus2.api.cognitive.microsoft.com). Obrigatórios.

credential

AzureKeyCredential

Obrigatório

Credencial necessária para que o cliente se conecte ao Azure. Obrigatórios.

api_version

str

Versão da API. O valor padrão é "v1.1". Observe que substituir esse valor padrão pode resultar em um comportamento sem suporte.

Métodos

close
delete_multivariate_model	Excluir Modelo Multivariado. Exclua um modelo multivariado existente de acordo com modelId.
detect_multivariate_batch_anomaly	Detectar anomalias multivariadas. Envie a tarefa de detecção de anomalias multivariadas com a modelId de dados de inferência e modelo treinados, o esquema de entrada deve ser o mesmo com a solicitação de treinamento. A solicitação será concluída de forma assíncrona e retornará uma resultId para consultar o resultado da detecção. A solicitação deve ser um link de origem para indicar um URI de armazenamento do Azure acessível externamente, apontado para uma pasta de armazenamento de blobs do Azure ou apontado para um arquivo CSV no armazenamento de blobs do Azure.
detect_multivariate_last_anomaly	Detecte anomalias no último ponto do corpo da solicitação. Envie a tarefa de detecção de anomalias multivariadas com a modelId de dados de inferência e modelo treinados, e os dados de inferência devem ser colocados no corpo da solicitação em um formato JSON. A solicitação será concluída de forma síncrona e retornará a detecção imediatamente no corpo da resposta.
detect_univariate_change_point	Detecte o ponto de alteração para toda a série. Avalie a pontuação de ponto de alteração de cada ponto de série.
detect_univariate_entire_series	Detectar anomalias para toda a série em lote. Essa operação gera um modelo com uma série inteira, cada ponto é detectado com o mesmo modelo. Com esse método, os pontos antes e depois de um determinado ponto são usados para determinar se é uma anomalia. Toda a detecção pode dar ao usuário uma status geral da série temporal.
detect_univariate_last_point	Detecte status de anomalias do ponto mais recente na série temporal. Essa operação gera um modelo usando os pontos que você enviou para a API e com base em todos os dados para determinar se o último ponto é anormal.
get_multivariate_batch_detection_result	Obter o resultado da detecção de anomalias multivariadas. Para inferência assíncrona, obtenha o resultado da detecção de anomalias multivariadas com base em resultId retornado pela api BatchDetectAnomaly.
get_multivariate_model	Obter Modelo Multivariado. Obter informações detalhadas do modelo multivariável, incluindo o status de treinamento e as variáveis usadas no modelo.
list_multivariate_models	Listar modelos multivariados. Listar modelos de um recurso.
send_request	Executa a solicitação de rede por meio das políticas encadeadas do cliente. >>> 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> Para obter mais informações sobre esse fluxo de código, consulte https://aka.ms/azsdk/dpcodegen/python/send_request
train_multivariate_model	Treinar um modelo de detecção de anomalias multivariadas. Criar e treinar um modelo de detecção de anomalias multivariadas. A solicitação deve incluir um parâmetro de origem para indicar um URI de armazenamento de blobs do Azure acessível externamente. Há dois tipos de entrada de dados: um URI apontado para uma pasta de armazenamento de blobs do Azure que contém vários arquivos CSV e cada arquivo CSV contém duas colunas, carimbo de data/hora e variável. Outro tipo de entrada é um URI apontado para um arquivo CSV no armazenamento de blobs do Azure, que contém todas as variáveis e uma coluna de carimbo de data/hora.

close

close() -> None

delete_multivariate_model

Excluir Modelo Multivariado.

Exclua um modelo multivariado existente de acordo com modelId.

delete_multivariate_model(model_id: str, **kwargs: Any) -> None

Parâmetros

model_id

str

Obrigatório

Identificador de modelo. Obrigatórios.

Retornos

Nenhum

Tipo de retorno

None

Exceções

HttpResponseError

detect_multivariate_batch_anomaly

Detectar anomalias multivariadas.

Envie a tarefa de detecção de anomalias multivariadas com a modelId de dados de inferência e modelo treinados, o esquema de entrada deve ser o mesmo com a solicitação de treinamento. A solicitação será concluída de forma assíncrona e retornará uma resultId para consultar o resultado da detecção. A solicitação deve ser um link de origem para indicar um URI de armazenamento do Azure acessível externamente, apontado para uma pasta de armazenamento de blobs do Azure ou apontado para um arquivo CSV no armazenamento de blobs do Azure.

detect_multivariate_batch_anomaly(model_id: str, options: MultivariateBatchDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateDetectionResult

Parâmetros

model_id

str

Obrigatório

Identificador de modelo. Obrigatórios.

options

MultivariateBatchDetectionOptions ou <xref:JSON> ou IO

Obrigatório

Solicitação de detecção de anomalias multivariadas. É um dos seguintes tipos: modelo, JSON, E/S Obrigatório.

content_type

str

Parâmetro de corpo Content-Type. Os valores conhecidos são: application/json. O valor padrão é Nenhum.

Retornos

MultivariateDetectionResult. O MultivariateDetectionResult é compatível com MutableMapping

Tipo de retorno

MultivariateDetectionResult

Exceções

HttpResponseError

detect_multivariate_last_anomaly

Detecte anomalias no último ponto do corpo da solicitação.

Envie a tarefa de detecção de anomalias multivariadas com a modelId de dados de inferência e modelo treinados, e os dados de inferência devem ser colocados no corpo da solicitação em um formato JSON. A solicitação será concluída de forma síncrona e retornará a detecção imediatamente no corpo da resposta.

detect_multivariate_last_anomaly(model_id: str, options: MultivariateLastDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateLastDetectionResult

Parâmetros

model_id

str

Obrigatório

Identificador de modelo. Obrigatórios.

options

MultivariateLastDetectionOptions ou <xref:JSON> ou IO

Obrigatório

Solicitação da última detecção. É um dos seguintes tipos: modelo, JSON, E/S Obrigatório.

content_type

str

Parâmetro de corpo Content-Type. Os valores conhecidos são: application/json. O valor padrão é Nenhum.

Retornos

MultivariateLastDetectionResult. O MultivariateLastDetectionResult é compatível com MutableMapping

Tipo de retorno

MultivariateLastDetectionResult

Exceções

HttpResponseError

detect_univariate_change_point

Detecte o ponto de alteração para toda a série.

Avalie a pontuação de ponto de alteração de cada ponto de série.

detect_univariate_change_point(options: UnivariateChangePointDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateChangePointDetectionResult

Parâmetros

options

UnivariateChangePointDetectionOptions ou <xref:JSON> ou IO

Obrigatório

Método de detecção de anomalias univariadas. É um dos seguintes tipos: modelo, JSON, E/S Obrigatório.

content_type

str

Parâmetro de corpo Content-Type. Os valores conhecidos são: application/json. O valor padrão é Nenhum.

Retornos

UnivariateChangePointDetectionResult. O UnivariateChangePointDetectionResult é compatível com MutableMapping

Tipo de retorno

UnivariateChangePointDetectionResult

Exceções

HttpResponseError

detect_univariate_entire_series

Detectar anomalias para toda a série em lote.

Essa operação gera um modelo com uma série inteira, cada ponto é detectado com o mesmo modelo. Com esse método, os pontos antes e depois de um determinado ponto são usados para determinar se é uma anomalia. Toda a detecção pode dar ao usuário uma status geral da série temporal.

detect_univariate_entire_series(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateEntireDetectionResult

Parâmetros

options

UnivariateDetectionOptions ou <xref:JSON> ou IO

Obrigatório

Método de detecção de anomalias univariadas. É um dos seguintes tipos: modelo, JSON, E/S Obrigatório.

content_type

str

Parâmetro de corpo Content-Type. Os valores conhecidos são: application/json. O valor padrão é Nenhum.

Retornos

UnivariateEntireDetectionResult. O UnivariateEntireDetectionResult é compatível com MutableMapping

Tipo de retorno

UnivariateEntireDetectionResult

Exceções

HttpResponseError

detect_univariate_last_point

Detecte status de anomalias do ponto mais recente na série temporal.

Essa operação gera um modelo usando os pontos que você enviou para a API e com base em todos os dados para determinar se o último ponto é anormal.

detect_univariate_last_point(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateLastDetectionResult

Parâmetros

options

UnivariateDetectionOptions ou <xref:JSON> ou IO

Obrigatório

Método de detecção de anomalias univariadas. É um dos seguintes tipos: modelo, JSON, E/S Obrigatório.

content_type

str

Parâmetro de corpo Content-Type. Os valores conhecidos são: application/json. O valor padrão é Nenhum.

Retornos

UnivariateLastDetectionResult. O UnivariateLastDetectionResult é compatível com MutableMapping

Tipo de retorno

UnivariateLastDetectionResult

Exceções

HttpResponseError

get_multivariate_batch_detection_result

Obter o resultado da detecção de anomalias multivariadas.

Para inferência assíncrona, obtenha o resultado da detecção de anomalias multivariadas com base em resultId retornado pela api BatchDetectAnomaly.

get_multivariate_batch_detection_result(result_id: str, **kwargs: Any) -> MultivariateDetectionResult

Parâmetros

result_id

str

Obrigatório

ID de um resultado de detecção em lote. Obrigatórios.

Retornos

MultivariateDetectionResult. O MultivariateDetectionResult é compatível com MutableMapping

Tipo de retorno

MultivariateDetectionResult

Exceções

HttpResponseError

get_multivariate_model

Obter Modelo Multivariado.

Obter informações detalhadas do modelo multivariável, incluindo o status de treinamento e as variáveis usadas no modelo.

get_multivariate_model(model_id: str, **kwargs: Any) -> AnomalyDetectionModel

Parâmetros

model_id

str

Obrigatório

Identificador de modelo. Obrigatórios.

Retornos

AnomalyDetectionModel. O AnomalyDetectionModel é compatível com MutableMapping

Tipo de retorno

AnomalyDetectionModel

Exceções

HttpResponseError

list_multivariate_models

Listar modelos multivariados.

Listar modelos de um recurso.

list_multivariate_models(*, skip: int | None = None, top: int | None = None, **kwargs: Any) -> Iterable[AnomalyDetectionModel]

Parâmetros

skip

int

Skip indica quantos modelos serão ignorados. O valor padrão é Nenhum.

top

int

Top indica quantos modelos serão buscados. O valor padrão é Nenhum.

Retornos

Um iterador como a instância de AnomalyDetectionModel. O AnomalyDetectionModel é compatível com MutableMapping

Tipo de retorno

ItemPaged[AnomalyDetectionModel]

Exceções

HttpResponseError

send_request

Executa a solicitação de rede por meio das políticas encadeadas do cliente.

>>> 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>

Para obter mais informações sobre esse fluxo de código, consulte https://aka.ms/azsdk/dpcodegen/python/send_request

send_request(request: HttpRequest, **kwargs: Any) -> HttpResponse

Parâmetros

request

HttpRequest

Obrigatório

A solicitação de rede que você deseja fazer. Obrigatórios.

stream

bool

Se o conteúdo da resposta será transmitido. Usa False como padrão.

Retornos

A resposta da chamada de rede. Não faz tratamento de erros em sua resposta.

Tipo de retorno

HttpResponse

train_multivariate_model

Treinar um modelo de detecção de anomalias multivariadas.

Criar e treinar um modelo de detecção de anomalias multivariadas. A solicitação deve incluir um parâmetro de origem para indicar um URI de armazenamento de blobs do Azure acessível externamente. Há dois tipos de entrada de dados: um URI apontado para uma pasta de armazenamento de blobs do Azure que contém vários arquivos CSV e cada arquivo CSV contém duas colunas, carimbo de data/hora e variável. Outro tipo de entrada é um URI apontado para um arquivo CSV no armazenamento de blobs do Azure, que contém todas as variáveis e uma coluna de carimbo de data/hora.

train_multivariate_model(model_info: ModelInfo | MutableMapping[str, Any] | IO, **kwargs: Any) -> AnomalyDetectionModel

Parâmetros

model_info

ModelInfo ou <xref:JSON> ou IO

Obrigatório

Informações do modelo. É um dos seguintes tipos: modelo, JSON, E/S Obrigatório.

content_type

str

Parâmetro de corpo Content-Type. Os valores conhecidos são: application/json. O valor padrão é Nenhum.

Retornos

AnomalyDetectionModel. O AnomalyDetectionModel é compatível com MutableMapping

Tipo de retorno

AnomalyDetectionModel

Exceções

HttpResponseError