series_outliers()
Pontua pontos anómalos numa série.
A função utiliza uma expressão com uma matriz numérica dinâmica como entrada e gera uma matriz numérica dinâmica com o mesmo comprimento. Cada valor da matriz indica uma classificação de uma possível anomalia com "Tukey's test". Um valor superior a 1,5 no mesmo elemento da entrada indica uma anomalia de aumento. Um valor inferior a -1,5 indica uma anomalia de declínio.
Syntax
series_outliers(
series [,
kind ] [,
ignore_val ] [,
min_percentile ] [,
max_percentile ])
Saiba mais sobre as convenções de sintaxe.
Parâmetros
Nome | Tipo | Necessário | Descrição |
---|---|---|---|
série | dynamic |
✔️ | Uma matriz de valores numéricos. |
tipo | string |
O algoritmo a utilizar para a deteção de valores atípicos. As opções suportadas são "tukey" , que é tradicional "Tukey" e "ctukey" , que é "Tukey" personalizado. A predefinição é "ctukey" . |
|
ignore_val | int, long ou real | Um valor numérico que indica os valores em falta na série. A predefinição é double( nula) . A classificação de valores nulos e ignorar está definida como 0 . |
|
min_percentile | int, long ou real | O percentil mínimo a utilizar para calcular o intervalo entre quantile normal. A predefinição é 10. O valor tem de estar no intervalo [2.0, 98.0] . Este parâmetro só é relevante para o "ctukey" tipo. |
|
max_percentile | int, long ou real | O percentil máximo a utilizar para calcular o intervalo entre quantile normal. A predefinição é 90. O valor tem de estar no intervalo [2.0, 98.0] . Este parâmetro só é relevante para o "ctukey" tipo. |
A tabela seguinte descreve as diferenças entre "tukey"
e "ctukey"
:
Algoritmo | Intervalo de quantile predefinido | Suporta o intervalo de quantile personalizado |
---|---|---|
"tukey" |
25% / 75% | No |
"ctukey" |
10% / 90% | Yes |
Dica
A melhor forma de utilizar esta função é aplicá-la aos resultados do operador make-series .
Exemplo
range x from 0 to 364 step 1
| extend t = datetime(2023-01-01) + 1d*x
| extend y = rand() * 10
| extend y = iff(monthofyear(t) != monthofyear(prev(t)), y+20, y) // generate a sample series with outliers at first day of each month
| summarize t = make_list(t), series = make_list(y)
| extend outliers=series_outliers(series)
| extend pos_anomalies = array_iff(series_greater_equals(outliers, 1.5), 1, 0)
| render anomalychart with(xcolumn=t, ycolumns=series, anomalycolumns=pos_anomalies)
Comentários
https://aka.ms/ContentUserFeedback.
Brevemente: Ao longo de 2024, vamos descontinuar progressivamente o GitHub Issues como mecanismo de feedback para conteúdos e substituí-lo por um novo sistema de feedback. Para obter mais informações, veja:Submeter e ver comentários