AnomalyDetectorClient Třída

Rozhraní API Detektor anomálií detekuje anomálie v datech časových řad automaticky. Podporuje dva druhy režimu, jeden je pro bezstavové použití a druhý pro stavové použití. V bezstavovém režimu existují tři funkce. Celá funkce Detect slouží k detekci celé řady s modelem natrénovaným podle časové řady. Funkce Last Detect detekuje poslední bod s modelem natrénovanými body před. Funkce ChangePoint Detect slouží ke zjišťování změn trendu v časových řadách. Ve stavovém režimu může uživatel ukládat časové řady, uložená časová řada se použije k detekci anomálií. V tomto režimu může uživatel dál používat výše uvedené tři funkce tím, že poskytuje pouze časový rozsah bez přípravy časových řad na straně klienta. Kromě výše uvedených tří funkcí poskytuje stavový model také službu detekce a popisování na základě skupin. Díky využití služby popisování může uživatel zadat popisky pro každý výsledek detekce, budou se tyto popisky používat k přeladění nebo opětovnému generování modelů detekce. Detekce nekonzistence je druh detekce na základě skupin. Tato detekce najde nekonzistence v sadě časových řad. Pomocí služby detektoru anomálií můžou firemní zákazníci zjišťovat incidenty a vytvořit logický tok pro analýzu původní příčiny.

Dědičnost

azure.ai.anomalydetector.aio._operations._operations.AnomalyDetectorClientOperationsMixin

AnomalyDetectorClient

Konstruktor

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

Parametry

endpoint

str

Vyžadováno

Podporované koncové body služeb Cognitive Services (protokol a název hostitele, například: https://westus2.api.cognitive.microsoft.com). Povinná hodnota.

credential

AzureKeyCredential

Vyžadováno

Přihlašovací údaje potřebné pro připojení klienta k Azure. Povinná hodnota.

api_version

str

Verze rozhraní API. Výchozí hodnota je "v1.1". Všimněte si, že přepsání této výchozí hodnoty může vést k nepodporovanému chování.

Metody

close
delete_multivariate_model	Odstranit model s více proměnnými. Odstraňte existující vícerozměrný model podle id modelu.
detect_multivariate_batch_anomaly	Detekujte anomálie s více proměnnými. Odešlete úlohu detekce vícerozměrných anomálií s id modelu trénovaného modelu a dat odvozování. Vstupní schéma by mělo být stejné jako u trénovací žádosti. Požadavek se dokončí asynchronně a vrátí id výsledku pro dotaz na výsledek detekce. Požadavek by měl být zdrojovým odkazem, který označuje externě přístupný identifikátor URI služby Azure Storage, který buď odkazuje na složku úložiště objektů blob v Azure, nebo na soubor CSV ve službě Azure Blob Storage.
detect_multivariate_last_anomaly	Detekujte anomálie v posledním bodě textu požadavku. Odešlete úlohu detekce anomálií s více proměnnými s id modelu a dat odvozování a data odvození by měla být vložena do textu požadavku ve formátu JSON. Požadavek se dokončí synchronně a okamžitě vrátí detekci v textu odpovědi.
detect_univariate_change_point	Zjistěte bod změny pro celou řadu. Vyhodnoťte skóre bodu změny každého bodu řady.
detect_univariate_entire_series	Detekujte anomálie pro celou řadu v dávkách. Tato operace vygeneruje model s celou řadou, přičemž každý bod se detekuje se stejným modelem. Pomocí této metody se body před a za určitým bodem používají k určení, zda se jedná o anomálii. Celá detekce může uživateli poskytnout celkový stav časové řady.
detect_univariate_last_point	Detekujte stav anomálií posledního bodu v časových řadách. Tato operace vygeneruje model pomocí bodů, které jste odeslali do rozhraní API, a na základě všech dat určí, jestli je poslední bod neobvyklý.
get_multivariate_batch_detection_result	Získejte výsledek detekce anomálií s více proměnnými. Pro asynchronní odvozování získejte výsledek detekce vícerozměrných anomálií na základě resultId vráceného rozhraním API BatchDetectAnomaly.
get_multivariate_model	Získejte multivariatní model. Získejte podrobné informace o vícerozměrných modelech, včetně stavu trénování a proměnných používaných v modelu.
list_multivariate_models	Vypsat vícerozměrné modely. Vypíše modely prostředku.
send_request	Spustí síťový požadavek prostřednictvím zřetězených zásad klienta. >>> from azure.core.rest import HttpRequest >>> request = HttpRequest("GET", "https://www.example.org/") <HttpRequest [GET], url: 'https://www.example.org/'> >>> response = await client.send_request(request) <AsyncHttpResponse: 200 OK> Další informace o tomto toku kódu najdete v tématu https://aka.ms/azsdk/dpcodegen/python/send_request
train_multivariate_model	Trénování modelu detekce anomálií s více proměnnými Vytvořte a natrénujte model detekce anomálií s více proměnnými. Požadavek musí obsahovat parametr zdroje, který označuje externě přístupný identifikátor URI úložiště objektů blob v Azure. Existují dva typy vstupu dat: identifikátor URI ukazuje na složku úložiště objektů blob v Azure, která obsahuje několik souborů CSV, a každý soubor CSV obsahuje dva sloupce, časové razítko a proměnnou. Dalším typem vstupu je identifikátor URI odkazovaný na soubor CSV ve službě Azure Blob Storage, který obsahuje všechny proměnné a sloupec časového razítka.

close

async close() -> None

delete_multivariate_model

Odstranit model s více proměnnými.

Odstraňte existující vícerozměrný model podle id modelu.

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

Parametry

model_id

str

Vyžadováno

Identifikátor modelu. Povinná hodnota.

Návraty

Žádné

Návratový typ

None

Výjimky

HttpResponseError

detect_multivariate_batch_anomaly

Detekujte anomálie s více proměnnými.

Odešlete úlohu detekce vícerozměrných anomálií s id modelu trénovaného modelu a dat odvozování. Vstupní schéma by mělo být stejné jako u trénovací žádosti. Požadavek se dokončí asynchronně a vrátí id výsledku pro dotaz na výsledek detekce. Požadavek by měl být zdrojovým odkazem, který označuje externě přístupný identifikátor URI služby Azure Storage, který buď odkazuje na složku úložiště objektů blob v Azure, nebo na soubor CSV ve službě Azure Blob Storage.

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

Parametry

model_id

str

Vyžadováno

Identifikátor modelu. Povinná hodnota.

options

MultivariateBatchDetectionOptions nebo <xref:JSON> nebo IO

Vyžadováno

Požadavek na detekci vícerozměrných anomálií. Jedná se o jeden z následujících typů: model, JSON, Vyžaduje se vstupně-výstupní operace.

content_type

str

Parametr body Content-Type. Známé hodnoty jsou: application/json. Výchozí hodnota je Žádná.

Návraty

MultivariateDetectionResult. MultivariateDetectionResult je kompatibilní s mutableMappingem.

Návratový typ

MultivariateDetectionResult

Výjimky

HttpResponseError

detect_multivariate_last_anomaly

Detekujte anomálie v posledním bodě textu požadavku.

Odešlete úlohu detekce anomálií s více proměnnými s id modelu a dat odvozování a data odvození by měla být vložena do textu požadavku ve formátu JSON. Požadavek se dokončí synchronně a okamžitě vrátí detekci v textu odpovědi.

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

Parametry

model_id

str

Vyžadováno

Identifikátor modelu. Povinná hodnota.

options

MultivariateLastDetectionOptions nebo <xref:JSON> nebo IO

Vyžadováno

Žádost o poslední detekci. Jedná se o jeden z následujících typů: model, JSON, Vyžaduje se vstupně-výstupní operace.

content_type

str

Parametr body Content-Type. Známé hodnoty jsou: application/json. Výchozí hodnota je Žádná.

Návraty

MultivariateLastDetectionResult. MultivariateLastDetectionResult je kompatibilní s mutableMappingem.

Návratový typ

MultivariateLastDetectionResult

Výjimky

HttpResponseError

detect_univariate_change_point

Zjistěte bod změny pro celou řadu.

Vyhodnoťte skóre bodu změny každého bodu řady.

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

Parametry

options

UnivariateChangePointDetectionOptions nebo <xref:JSON> nebo IO

Vyžadováno

Metoda detekce jednorozměrných anomálií. Jedná se o jeden z následujících typů: model, JSON, Vyžaduje se vstupně-výstupní operace.

content_type

str

Parametr body Content-Type. Známé hodnoty jsou: application/json. Výchozí hodnota je Žádná.

Návraty

UnivariateChangePointDetectionResult. UnivariateChangePointDetectionResult je kompatibilní s MutableMapping.

Návratový typ

UnivariateChangePointDetectionResult

Výjimky

HttpResponseError

detect_univariate_entire_series

Detekujte anomálie pro celou řadu v dávkách.

Tato operace vygeneruje model s celou řadou, přičemž každý bod se detekuje se stejným modelem. Pomocí této metody se body před a za určitým bodem používají k určení, zda se jedná o anomálii. Celá detekce může uživateli poskytnout celkový stav časové řady.

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

Parametry

options

UnivariateDetectionOptions nebo <xref:JSON> nebo IO

Vyžadováno

Metoda detekce jednorozměrných anomálií. Jedná se o jeden z následujících typů: model, JSON, Vyžaduje se vstupně-výstupní operace.

content_type

str

Parametr body Content-Type. Známé hodnoty jsou: application/json. Výchozí hodnota je Žádná.

Návraty

UnivariateEntireDetectionResult. UnivariateEntireDetectionResult je kompatibilní s MutableMapping.

Návratový typ

UnivariateEntireDetectionResult

Výjimky

HttpResponseError

detect_univariate_last_point

Detekujte stav anomálií posledního bodu v časových řadách.

Tato operace vygeneruje model pomocí bodů, které jste odeslali do rozhraní API, a na základě všech dat určí, jestli je poslední bod neobvyklý.

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

Parametry

options

UnivariateDetectionOptions nebo <xref:JSON> nebo IO

Vyžadováno

Metoda detekce jednorozměrných anomálií. Jedná se o jeden z následujících typů: model, JSON, Vyžaduje se vstupně-výstupní operace.

content_type

str

Parametr body Content-Type. Známé hodnoty jsou: application/json. Výchozí hodnota je Žádná.

Návraty

UnivariateLastDetectionResult. UnivariateLastDetectionResult je kompatibilní s MutableMapping.

Návratový typ

UnivariateLastDetectionResult

Výjimky

HttpResponseError

get_multivariate_batch_detection_result

Získejte výsledek detekce anomálií s více proměnnými.

Pro asynchronní odvozování získejte výsledek detekce vícerozměrných anomálií na základě resultId vráceného rozhraním API BatchDetectAnomaly.

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

Parametry

result_id

str

Vyžadováno

ID výsledku detekce dávky. Povinná hodnota.

Návraty

MultivariateDetectionResult. MultivariateDetectionResult je kompatibilní s mutableMappingem.

Návratový typ

MultivariateDetectionResult

Výjimky

HttpResponseError

get_multivariate_model

Získejte multivariatní model.

Získejte podrobné informace o vícerozměrných modelech, včetně stavu trénování a proměnných používaných v modelu.

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

Parametry

model_id

str

Vyžadováno

Identifikátor modelu. Povinná hodnota.

Návraty

AnomalyDetectionModel. Model AnomalyDetectionModel je kompatibilní s mutableMappingem.

Návratový typ

AnomalyDetectionModel

Výjimky

HttpResponseError

list_multivariate_models

Vypsat vícerozměrné modely.

Vypíše modely prostředku.

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

Parametry

skip

int

Skip označuje, kolik modelů se přeskočí. Výchozí hodnota je Žádná.

top

int

Top označuje, kolik modelů se načte. Výchozí hodnota je Žádná.

Návraty

Iterátor jako instance AnomalyDetectionModel. Model AnomalyDetectionModel je kompatibilní s MutableMapping.

Návratový typ

AsyncItemPaged[AnomalyDetectionModel]

Výjimky

HttpResponseError

send_request

Spustí síťový požadavek prostřednictvím zřetězených zásad klienta.

>>> from azure.core.rest import HttpRequest
>>> request = HttpRequest("GET", "https://www.example.org/")
<HttpRequest [GET], url: 'https://www.example.org/'>
>>> response = await client.send_request(request)
<AsyncHttpResponse: 200 OK>

Další informace o tomto toku kódu najdete v tématu https://aka.ms/azsdk/dpcodegen/python/send_request

send_request(request: HttpRequest, **kwargs: Any) -> Awaitable[AsyncHttpResponse]

Parametry

request

HttpRequest

Vyžadováno

Síťový požadavek, který chcete vytvořit. Povinná hodnota.

stream

bool

Určuje, jestli se datová část odpovědi bude streamovat. Výchozí hodnota je False.

Návraty

Odpověď síťového volání. Nezvládá zpracování chyb ve vaší odpovědi.

Návratový typ

AsyncHttpResponse

train_multivariate_model

Trénování modelu detekce anomálií s více proměnnými

Vytvořte a natrénujte model detekce anomálií s více proměnnými. Požadavek musí obsahovat parametr zdroje, který označuje externě přístupný identifikátor URI úložiště objektů blob v Azure. Existují dva typy vstupu dat: identifikátor URI ukazuje na složku úložiště objektů blob v Azure, která obsahuje několik souborů CSV, a každý soubor CSV obsahuje dva sloupce, časové razítko a proměnnou. Dalším typem vstupu je identifikátor URI odkazovaný na soubor CSV ve službě Azure Blob Storage, který obsahuje všechny proměnné a sloupec časového razítka.

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

Parametry

model_info

ModelInfo nebo <xref:JSON> nebo IO

Vyžadováno

Informace o modelu. Jedná se o jeden z následujících typů: model, JSON, Vyžaduje se vstupně-výstupní operace.

content_type

str

Body parameter Content-Type. Známé hodnoty jsou: application/json. Výchozí hodnota je Žádná.

Návraty

AnomalyDetectionModel. Model AnomalyDetectionModel je kompatibilní s MutableMapping.

Návratový typ

AnomalyDetectionModel

Výjimky

HttpResponseError