AnomalyDetectorClient الفصل

تكتشف واجهة برمجة تطبيقات Anomaly Detector الحالات الشاذة تلقائيا في بيانات السلاسل الزمنية. وهو يدعم نوعين من الوضع، أحدهما للاستخدام عديم الحالة، والآخر للاستخدام ذي الحالة. في الوضع عديم الحالة، هناك ثلاث وظائف. الكشف الكامل هو للكشف عن السلسلة بأكملها مع النموذج المدرب بواسطة السلسلة الزمنية، الكشف الأخير هو الكشف عن نقطة أخيرة مع نموذج مدرب بواسطة نقاط من قبل. ChangePoint Detect هو للكشف عن تغييرات الاتجاه في السلاسل الزمنية. في الوضع ذي الحالة، يمكن للمستخدم تخزين السلاسل الزمنية، وسيتم استخدام السلاسل الزمنية المخزنة للكشف عن الحالات الشاذة. ضمن هذا الوضع، لا يزال بإمكان المستخدم استخدام الوظائف الثلاث المذكورة أعلاه عن طريق إعطاء نطاق زمني فقط دون إعداد السلاسل الزمنية من جانب العميل. بالإضافة إلى الوظائف الثلاث المذكورة أعلاه، يوفر النموذج ذي الحالة أيضا خدمة الكشف والتسمية المستندة إلى المجموعة. من خلال الاستفادة من مستخدم خدمة التسمية يمكن أن يوفر تسميات لكل نتيجة كشف، سيتم استخدام هذه التسميات لإعادة مصادقة نماذج الكشف أو إعادة إنشائها. الكشف عن عدم التناسق هو نوع من الكشف المستند إلى المجموعة، سيعثر هذا الكشف على حالات عدم تناسق في مجموعة من السلاسل الزمنية. باستخدام خدمة كاشف الحالات الشاذة، يمكن لعملاء الأعمال اكتشاف الحوادث وإنشاء تدفق منطقي لتحليل السبب الجذري.

توريث

azure.ai.anomalydetector._operations._operations.AnomalyDetectorClientOperationsMixin

AnomalyDetectorClient

الدالمنشئ

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

المعلمات

endpoint

str

مطلوب

نقاط نهاية الخدمات المعرفية المدعومة (البروتوكول واسم المضيف، على سبيل المثال: https://westus2.api.cognitive.microsoft.com). مطلوب

credential

AzureKeyCredential

مطلوب

بيانات الاعتماد اللازمة للعميل للاتصال ب Azure. مطلوب

api_version

str

إصدار واجهة برمجة التطبيقات. القيمة الافتراضية هي "v1.1". لاحظ أن تجاوز هذه القيمة الافتراضية قد يؤدي إلى سلوك غير مدعوم.

الأساليب

close
delete_multivariate_model	حذف نموذج متعدد المتغيرات. حذف نموذج متعدد المتغيرات موجود وفقًا لـ modelId.
detect_multivariate_batch_anomaly	الكشف عن الحالات الشاذة متعددة المتغيرات. إرسال مهمة الكشف عن الحالات الخارجة عن المألوف متعددة المتغيرات باستخدام modelId للنموذج المدرب وبيانات الاستدلال، يجب أن يكون مخطط الإدخال هو نفسه مع طلب التدريب. سيتم إكمال الطلب بشكل غير متزامن وإرجاع resultId للاستعلام عن نتيجة الكشف. يجب أن يكون الطلب ارتباطا مصدر للإشارة إلى عنوان Uri لتخزين Azure يمكن الوصول إليه خارجيا، إما يشير إلى مجلد تخزين Azure blob، أو يشير إلى ملف CSV في تخزين Azure blob.
detect_multivariate_last_anomaly	الكشف عن الحالات الشاذة في النقطة الأخيرة من نص الطلب. أرسل مهمة الكشف عن الحالات الشاذة متعددة المتغيرات باستخدام modelId للنموذج المدرب وبيانات الاستدلال، ويجب وضع بيانات الاستدلال في نص الطلب بتنسيق JSON. سيكتمل الطلب بشكل متزامن ويعيد الكشف فورا في نص الاستجابة.
detect_univariate_change_point	الكشف عن نقطة التغيير للسلسلة بأكملها. تقييم درجة نقطة التغيير لكل نقطة سلسلة.
detect_univariate_entire_series	الكشف عن الحالات الشاذة للسلسلة بأكملها على دفعة واحدة. تنشئ هذه العملية نموذجا بسلسلة بأكملها، ويتم الكشف عن كل نقطة بنفس النموذج. باستخدام هذا الأسلوب، يتم استخدام النقاط قبل وبعد نقطة معينة لتحديد ما إذا كانت حالة شاذة. يمكن أن يمنح الكشف بأكمله المستخدم الحالة العامة للسلسلة الزمنية.
detect_univariate_last_point	الكشف عن حالة الشذوذ لأحدث نقطة في السلسلة الزمنية. تنشئ هذه العملية نموذجا باستخدام النقاط التي أرسلتها إلى واجهة برمجة التطبيقات، واستنادا إلى جميع البيانات لتحديد ما إذا كانت النقطة الأخيرة شاذة.
get_multivariate_batch_detection_result	احصل على نتيجة الكشف عن الحالات الشاذة متعددة المتغيرات. للاستدلال غير المتزامن، احصل على نتيجة الكشف عن الحالات الشاذة متعددة المتغيرات استنادا إلى resultId الذي تم إرجاعه بواسطة BatchDetectAnomaly api.
get_multivariate_model	الحصول على نموذج متعدد المتغيرات. احصل على معلومات مفصلة عن النموذج متعدد المتغيرات، بما في ذلك حالة التدريب والمتغيرات المستخدمة في النموذج.
list_multivariate_models	سرد نماذج متعددة المتغيرات. سرد نماذج مورد.
send_request	تشغيل طلب الشبكة من خلال نهج العميل المتسلسلة. >>> 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> لمزيد من المعلومات حول تدفق التعليمات البرمجية هذا، راجع https://aka.ms/azsdk/dpcodegen/python/send_request
train_multivariate_model	تدريب نموذج الكشف عن الحالات الخارجة عن المألوف متعدد المتغيرات. إنشاء نموذج الكشف عن الحالات الشاذة متعددة المتغيرات وتدريبه. يجب أن يتضمن الطلب معلمة مصدر للإشارة إلى عنوان URI لتخزين Azure blob يمكن الوصول إليه خارجيا. هناك نوعان من إدخال البيانات: عنوان URI يشير إلى مجلد تخزين Azure blob الذي يحتوي على ملفات CSV متعددة، ويحتوي كل ملف CSV على عمودين وطابع زمني ومتغير. نوع آخر من الإدخال هو URI المشار إليه إلى ملف CSV في تخزين Azure blob، والذي يحتوي على جميع المتغيرات وعمود الطابع الزمني.

close

close() -> None

delete_multivariate_model

حذف نموذج متعدد المتغيرات.

حذف نموذج متعدد المتغيرات موجود وفقًا لـ modelId.

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

المعلمات

model_id

str

مطلوب

معرف النموذج. مطلوب

المرتجعات

بلا

نوع الإرجاع

None

استثناءات

HttpResponseError

detect_multivariate_batch_anomaly

الكشف عن الحالات الشاذة متعددة المتغيرات.

إرسال مهمة الكشف عن الحالات الخارجة عن المألوف متعددة المتغيرات باستخدام modelId للنموذج المدرب وبيانات الاستدلال، يجب أن يكون مخطط الإدخال هو نفسه مع طلب التدريب. سيتم إكمال الطلب بشكل غير متزامن وإرجاع resultId للاستعلام عن نتيجة الكشف. يجب أن يكون الطلب ارتباطا مصدر للإشارة إلى عنوان Uri لتخزين Azure يمكن الوصول إليه خارجيا، إما يشير إلى مجلد تخزين Azure blob، أو يشير إلى ملف CSV في تخزين Azure blob.

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

المعلمات

model_id

str

مطلوب

معرف النموذج. مطلوب

options

MultivariateBatchDetectionOptions أو <xref:JSON> أو IO

مطلوب

طلب الكشف عن الحالات الشاذة متعددة المتغيرات. هو أحد الأنواع التالية: model, JSON, IO مطلوبة.

content_type

str

نوع المحتوى لمعلمة النص الأساسي. القيم المعروفة هي: application/json. القيمة الافتراضية هي بلا.

المرتجعات

MultivariateDetectionResult. MultivariateDetectionResult متوافق مع MutableMapping

نوع الإرجاع

MultivariateDetectionResult

استثناءات

HttpResponseError

detect_multivariate_last_anomaly

الكشف عن الحالات الشاذة في النقطة الأخيرة من نص الطلب.

أرسل مهمة الكشف عن الحالات الشاذة متعددة المتغيرات باستخدام modelId للنموذج المدرب وبيانات الاستدلال، ويجب وضع بيانات الاستدلال في نص الطلب بتنسيق JSON. سيكتمل الطلب بشكل متزامن ويعيد الكشف فورا في نص الاستجابة.

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

المعلمات

model_id

str

مطلوب

معرف النموذج. مطلوب

options

MultivariateLastDetectionOptions أو <xref:JSON> أو IO

مطلوب

طلب الكشف الأخير. هو أحد الأنواع التالية: model, JSON, IO مطلوبة.

content_type

str

نوع المحتوى لمعلمة النص الأساسي. القيم المعروفة هي: application/json. القيمة الافتراضية هي بلا.

المرتجعات

MultivariateLastDetectionResult. MultivariateLastDetectionResult متوافق مع MutableMapping

نوع الإرجاع

MultivariateLastDetectionResult

استثناءات

HttpResponseError

detect_univariate_change_point

الكشف عن نقطة التغيير للسلسلة بأكملها.

تقييم درجة نقطة التغيير لكل نقطة سلسلة.

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

المعلمات

options

UnivariateChangePointDetectionOptions أو <xref:JSON> أو IO

مطلوب

طريقة الكشف عن الحالات الخارجة عن المألوف أحادي المتغيرات. هو أحد الأنواع التالية: model, JSON, IO مطلوبة.

content_type

str

نوع المحتوى لمعلمة النص الأساسي. القيم المعروفة هي: application/json. القيمة الافتراضية هي بلا.

المرتجعات

UnivariateChangePointDetectionResult. UnivariateChangePointDetectionResult متوافق مع MutableMapping

نوع الإرجاع

UnivariateChangePointDetectionResult

استثناءات

HttpResponseError

detect_univariate_entire_series

الكشف عن الحالات الشاذة للسلسلة بأكملها على دفعة واحدة.

تنشئ هذه العملية نموذجا بسلسلة بأكملها، ويتم الكشف عن كل نقطة بنفس النموذج. باستخدام هذا الأسلوب، يتم استخدام النقاط قبل وبعد نقطة معينة لتحديد ما إذا كانت حالة شاذة. يمكن أن يمنح الكشف بأكمله المستخدم الحالة العامة للسلسلة الزمنية.

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

المعلمات

options

UnivariateDetectionOptions أو <xref:JSON> أو IO

مطلوب

طريقة الكشف عن الحالات الخارجة عن المألوف أحادي المتغيرات. هو أحد الأنواع التالية: model, JSON, IO مطلوبة.

content_type

str

نوع المحتوى لمعلمة النص الأساسي. القيم المعروفة هي: application/json. القيمة الافتراضية هي بلا.

المرتجعات

UnivariateEntireDetectionResult. UnivariateEntireDetectionResult متوافق مع MutableMapping

نوع الإرجاع

UnivariateEntireDetectionResult

استثناءات

HttpResponseError

detect_univariate_last_point

الكشف عن حالة الشذوذ لأحدث نقطة في السلسلة الزمنية.

تنشئ هذه العملية نموذجا باستخدام النقاط التي أرسلتها إلى واجهة برمجة التطبيقات، واستنادا إلى جميع البيانات لتحديد ما إذا كانت النقطة الأخيرة شاذة.

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

المعلمات

options

UnivariateDetectionOptions أو <xref:JSON> أو IO

مطلوب

طريقة الكشف عن الحالات الخارجة عن المألوف أحادي المتغيرات. هو أحد الأنواع التالية: model, JSON, IO مطلوبة.

content_type

str

نوع المحتوى لمعلمة النص الأساسي. القيم المعروفة هي: application/json. القيمة الافتراضية هي بلا.

المرتجعات

UnivariateLastDetectionResult. UnivariateLastDetectionResult متوافق مع MutableMapping

نوع الإرجاع

UnivariateLastDetectionResult

استثناءات

HttpResponseError

get_multivariate_batch_detection_result

احصل على نتيجة الكشف عن الحالات الشاذة متعددة المتغيرات.

للاستدلال غير المتزامن، احصل على نتيجة الكشف عن الحالات الشاذة متعددة المتغيرات استنادا إلى resultId الذي تم إرجاعه بواسطة BatchDetectAnomaly api.

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

المعلمات

result_id

str

مطلوب

معرف نتيجة الكشف عن الدفعات. مطلوب

المرتجعات

MultivariateDetectionResult. MultivariateDetectionResult متوافق مع MutableMapping

نوع الإرجاع

MultivariateDetectionResult

استثناءات

HttpResponseError

get_multivariate_model

الحصول على نموذج متعدد المتغيرات.

احصل على معلومات مفصلة عن النموذج متعدد المتغيرات، بما في ذلك حالة التدريب والمتغيرات المستخدمة في النموذج.

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

المعلمات

model_id

str

مطلوب

معرف النموذج. مطلوب

المرتجعات

AnomalyDetectionModel. يتوافق AnomalyDetectionModel مع MutableMapping

نوع الإرجاع

AnomalyDetectionModel

استثناءات

HttpResponseError

list_multivariate_models

سرد نماذج متعددة المتغيرات.

سرد نماذج مورد.

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

المعلمات

skip

int

يشير Skip إلى عدد النماذج التي سيتم تخطيها. القيمة الافتراضية هي بلا.

top

int

يشير الجزء العلوي إلى عدد النماذج التي سيتم جلبها. القيمة الافتراضية هي بلا.

المرتجعات

مكرر مثل مثيل AnomalyDetectionModel. يتوافق AnomalyDetectionModel مع MutableMapping

نوع الإرجاع

ItemPaged[AnomalyDetectionModel]

استثناءات

HttpResponseError

send_request

تشغيل طلب الشبكة من خلال نهج العميل المتسلسلة.

>>> 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>

لمزيد من المعلومات حول تدفق التعليمات البرمجية هذا، راجع https://aka.ms/azsdk/dpcodegen/python/send_request

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

المعلمات

request

HttpRequest

مطلوب

طلب الشبكة الذي تريد تقديمه. مطلوب

stream

bool

ما إذا كان سيتم دفق حمولة الاستجابة. الإعدادات الافتراضية معينة على False.

المرتجعات

استجابة مكالمة الشبكة. لا يقوم بمعالجة الأخطاء في استجابتك.

نوع الإرجاع

HttpResponse

train_multivariate_model

تدريب نموذج الكشف عن الحالات الخارجة عن المألوف متعدد المتغيرات.

إنشاء نموذج الكشف عن الحالات الشاذة متعددة المتغيرات وتدريبه. يجب أن يتضمن الطلب معلمة مصدر للإشارة إلى عنوان URI لتخزين Azure blob يمكن الوصول إليه خارجيا. هناك نوعان من إدخال البيانات: عنوان URI يشير إلى مجلد تخزين Azure blob الذي يحتوي على ملفات CSV متعددة، ويحتوي كل ملف CSV على عمودين وطابع زمني ومتغير. نوع آخر من الإدخال هو URI المشار إليه إلى ملف CSV في تخزين Azure blob، والذي يحتوي على جميع المتغيرات وعمود الطابع الزمني.

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

المعلمات

model_info

ModelInfo أو <xref:JSON> أو IO

مطلوب

معلومات النموذج. هو أحد الأنواع التالية: model, JSON, IO مطلوبة.

content_type

str

نوع المحتوى لمعلمة النص الأساسي. القيم المعروفة هي: application/json. القيمة الافتراضية هي بلا.

المرتجعات

AnomalyDetectionModel. يتوافق AnomalyDetectionModel مع MutableMapping

نوع الإرجاع

AnomalyDetectionModel

استثناءات

HttpResponseError