UnivariateEntireDetectionResult Klasse

Definition

Namespace:

Azure.AI.AnomalyDetector

Assembly:

Azure.AI.AnomalyDetector.dll

Paket:

Azure.AI.AnomalyDetector v3.0.0-preview.7

Source:

UnivariateEntireDetectionResult.cs

Antwort der gesamten Anomalieerkennung.

public class UnivariateEntireDetectionResult

type UnivariateEntireDetectionResult = class

Public Class UnivariateEntireDetectionResult

Vererbung

Object

UnivariateEntireDetectionResult

Eigenschaften

ExpectedValues	Erwarteter Wert für jeden Eingabepunkt. Der Index des Arrays ist mit der Eingabereihe konsistent.
IsAnomaly	Anomalieeigenschaften für jeden Eingabepunkt. True bedeutet, dass eine Anomalie (entweder negativ oder positiv) erkannt wurde. Der Index des Arrays ist mit der Eingabereihe konsistent.
IsNegativeAnomaly	Anomalie status für jeden Eingabepunkt in negative Richtung. True bedeutet, dass eine negative Anomalie erkannt wurde. Eine negative Anomalie bedeutet, dass der Punkt als Anomalie erkannt wird und sein tatsächlicher Wert kleiner als der erwartete ist. Der Index des Arrays ist mit der Eingabereihe konsistent.
IsPositiveAnomaly	Anomalie status für jeden Eingabepunkt in positive Richtung. True bedeutet, dass eine positive Anomalie erkannt wurde. Eine positive Anomalie bedeutet, dass der Punkt als Anomalie erkannt wird und sein tatsächlicher Wert größer als der erwartete ist. Der Index des Arrays ist mit der Eingabereihe konsistent.
LowerMargins	Unterer Rand jedes Eingabepunkts. LowerMargin wird verwendet, um lowerBoundary zu berechnen, das gleich expectedValue - (100 - marginScale)*lowerMargin ist. Punkte zwischen der Grenze können auf der Clientseite als normale markiert werden. Der Index des Arrays ist mit der Eingabereihe konsistent.
Period	Aus der Reihe extrahierte Häufigkeit. Null bedeutet, dass kein wiederkehrendes Muster gefunden wurde.
Severity	Schweregradbewertung für jeden Eingabepunkt. Je größer der Wert ist, desto schwerwiegender ist die Anomalie. Bei normalen Punkten ist der Schweregrad immer 0.
UpperMargins	Der obere Rand jedes Eingabepunkts. UpperMargin wird verwendet, um upperBoundary zu berechnen, die gleich expectedValue + (100 - marginScale)*upperMargin ist. Anomalien in der Antwort können nach upperBoundary und lowerBoundary gefiltert werden. Das Anpassen des marginScale-Werts kann dazu beitragen, weniger signifikante Anomalien auf der Clientseite zu filtern. Der Index des Arrays ist mit der Eingabereihe konsistent.