Como: Utilizar a API do Detetor de Anomalias nos dados da série de tempo

A API do Detetor de Anomalias fornece dois métodos de deteção de anomalias. Pode detetar anomalias como um lote ao longo da sua série de tempos, ou à medida que os seus dados são gerados através da deteção do estado de anomalia do último ponto de dados. O modelo de deteção devolve resultados de anomalias juntamente com o valor esperado de cada ponto de dados, e os limites superiores e inferiores de deteção de anomalias. pode utilizar estes valores para visualizar a gama de valores normais e anomalias nos dados.

Modos de deteção de anomalias

A API do Detetor de Anomalias fornece modos de deteção: lote e streaming.

Nota

Os URLs seguintes devem ser combinados com o ponto final apropriado para a sua subscrição. Por exemplo: https://<your-custom-subdomain>.api.cognitive.microsoft.com/anomalydetector/v1.0/timeseries/entire/detect

Deteção de lotes

Para detetar anomalias em todo um lote de pontos de dados ao longo de um determinado intervalo de tempo, utilize o seguinte pedido URI com os dados da sua série de tempo:

/timeseries/entire/detect.

Ao enviar os dados da série de tempo de uma só vez, a API gerará um modelo utilizando toda a série e analisará cada ponto de dados com ele.

Deteção de streaming

Para detetar continuamente anomalias nos dados de streaming, utilize o seguinte pedido URI com o seu último ponto de dados:

/timeseries/last/detect.

Ao enviar novos pontos de dados à medida que os gera, pode monitorizar os seus dados em tempo real. Um modelo será gerado com os pontos de dados que envia, e a API determinará se o ponto mais recente da série-tempo é uma anomalia.

Ajustar os limites de deteção de anomalias inferiores e superiores

Por predefinição, os limites superior e inferior para deteção de anomalias são calculados utilizando expectedValue upperMargin , e . lowerMargin . Se necessitar de limites diferentes, recomendamos aplicar marginScale um a upperMargin ou lowerMargin . Os limites seriam calculados da seguinte forma:

Fronteira Cálculo
upperBoundary expectedValue + (100 - marginScale) * upperMargin
lowerBoundary expectedValue - (100 - marginScale) * lowerMargin

Os exemplos a seguir mostram um resultado de API do Detetor de Anomalias em diferentes sensibilidades.

Exemplo com sensibilidade aos 99

Sensibilidade padrão

Exemplo com sensibilidade aos 95 anos

99 Sensibilidade

Exemplo com sensibilidade aos 85 anos

85 Sensibilidade

Passos Seguintes