series_outliers()

Poäng avvikelsepunkter i en serie.

Funktionen tar ett uttryck med en dynamisk numerisk matris som indata och genererar en dynamisk numerisk matris med samma längd. Varje värde i matrisen anger en poäng för en möjlig avvikelse med hjälp av "Tukeys test". Ett värde som är större än 1,5 i samma element i indata anger en ökningsavvikelse. Ett värde som är mindre än -1,5 indikerar en nedgångsavvikelse.

Syntax

series_outliers(series [,kind ] [,ignore_val ] [,min_percentile ] [,max_percentile ])

Läs mer om syntaxkonventioner.

Parametrar

Namn	Typ	Obligatorisk	Beskrivning
Serien	dynamic	✔️	En matris med numeriska värden.
Typ	string		Algoritmen som ska användas för avvikande identifiering. Alternativen som stöds är "tukey", som är traditionella "Tukey" och "ctukey", som är anpassade "Tukey". Standardvärdet är "ctukey".
ignore_val	int, long eller real		Ett numeriskt värde som anger saknade värden i serien. Standardvärdet är double(null). Poängen för null-värden och ignore-värden är inställd på 0.
min_percentile	int, long eller real		Den minsta percentil som ska användas för att beräkna det normala intervallet mellan kvantiler. Standardvärdet är 10. Värdet måste ligga i intervallet [2.0, 98.0]. Den här parametern är endast relevant för typen"ctukey" .
max_percentile	int, long eller real		Den maximala percentilen som ska användas för att beräkna det normala intervallet mellan kvantiler. Standardvärdet är 90. Värdet måste ligga i intervallet [2.0, 98.0]. Den här parametern är endast relevant för typen"ctukey" .

I följande tabell beskrivs skillnaderna mellan "tukey" och "ctukey":

Algoritm	Standardkvantilintervall	Stöder anpassat kvantilintervall
"tukey"	25% / 75%	No
"ctukey"	10% / 90%	Yes

Tips

Det bästa sättet att använda den här funktionen är att tillämpa den på resultatet av make-series-operatorn .

Exempel

Köra frågan

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)