AnomalyDetectorClient Clase

La API de Anomaly Detector detecta anomalías automáticamente en los datos de serie temporal. Admite dos tipos de modo, uno para el uso sin estado; otro es para el uso con estado. En el modo sin estado, hay tres funcionalidades. La detección completa es para detectar toda la serie con el modelo entrenado por la serie temporal, La última detección detecta el último punto con el modelo entrenado por puntos antes. ChangePoint Detect es para detectar cambios de tendencia en series temporales. En el modo con estado, el usuario puede almacenar series temporales, la serie temporal almacenada se usará para detectar anomalías. En este modo, el usuario puede seguir usando las tres funcionalidades anteriores proporcionando solo un intervalo de tiempo sin preparar series temporales en el lado cliente. Además de las tres funcionalidades anteriores, el modelo con estado también proporciona detección basada en grupos y servicio de etiquetado. Al aprovechar el usuario del servicio de etiquetado puede proporcionar etiquetas para cada resultado de detección, estas etiquetas se usarán para volver a ajustar o regenerar modelos de detección. La detección de incoherencia es un tipo de detección basada en grupos; esta detección encontrará incoherencias en un conjunto de series temporales. Mediante el uso del servicio de detector de anomalías, los clientes empresariales pueden detectar incidentes y establecer un flujo de lógica para el análisis de la causa principal.

Herencia

azure.ai.anomalydetector._operations._operations.AnomalyDetectorClientOperationsMixin

AnomalyDetectorClient

Constructor

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

Parámetros

endpoint

str

Requerido

Puntos de conexión de Cognitive Services admitidos (protocolo y nombre de host, por ejemplo: https://westus2.api.cognitive.microsoft.com). Necesario.

credential

AzureKeyCredential

Requerido

Credencial necesaria para que el cliente se conecte a Azure. Necesario.

api_version

str

Versión de api. El valor predeterminado es "v1.1". Tenga en cuenta que la invalidación de este valor predeterminado puede dar lugar a un comportamiento no admitido.

Métodos

close
delete_multivariate_model	Eliminar modelo multivariante. Elimina un modelo multivariante existente según modelId.
detect_multivariate_batch_anomaly	Detecte anomalías multivariante. Enviar tarea de detección de anomalías multivariante con el modelId de los datos de inferencia y modelo entrenados, el esquema de entrada debe ser el mismo con la solicitud de entrenamiento. La solicitud se completará de forma asincrónica y devolverá un resultId para consultar el resultado de la detección. La solicitud debe ser un vínculo de origen para indicar un URI de Azure Storage accesible externamente, ya sea que apunte a una carpeta de Azure Blob Storage o que apunte a un archivo CSV en Azure Blob Storage.
detect_multivariate_last_anomaly	Detecte anomalías en el último punto del cuerpo de la solicitud. Envíe una tarea de detección de anomalías multivariante con el modelId de los datos de inferencia y modelo entrenados, y los datos de inferencia deben colocarse en el cuerpo de la solicitud en un formato JSON. La solicitud se completará de forma sincrónica y devolverá la detección inmediatamente en el cuerpo de la respuesta.
detect_univariate_change_point	Detecte el punto de cambio de toda la serie. Evalúe la puntuación de punto de cambio de cada punto de serie.
detect_univariate_entire_series	Detecte anomalías para toda la serie en lotes. Esta operación genera un modelo con una serie completa, cada punto se detecta con el mismo modelo. Con este método, los puntos antes y después de un determinado punto se usan para determinar si se trata de una anomalía. Toda la detección puede proporcionar al usuario un estado general de la serie temporal.
detect_univariate_last_point	Detecte el estado de anomalía del último momento de la serie temporal. Esta operación genera un modelo mediante los puntos que envió a la API y en función de todos los datos para determinar si el último punto es anómalo.
get_multivariate_batch_detection_result	Obtiene el resultado de detección de anomalías multivariante. Para la inferencia asincrónica, obtenga el resultado de la detección de anomalías multivariante en función de resultId devuelto por la API BatchDetectAnomaly.
get_multivariate_model	Obtener modelo multivariante. Obtiene información detallada del modelo de multivariante, incluidos el estado de entrenamiento y las variables que se usan en el modelo.
list_multivariate_models	Enumerar modelos multivariante. Enumerar los modelos de un recurso.
send_request	Ejecuta la solicitud de red a través de las directivas encadenadas del cliente. >>> 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> Para obtener más información sobre este flujo de código, consulte https://aka.ms/azsdk/dpcodegen/python/send_request
train_multivariate_model	Entrenar un modelo de detección de anomalías multivariante. Crea y entrena un modelo de detección de anomalías de multivariante. La solicitud debe incluir un parámetro de origen para indicar un URI de Azure Blob Storage accesible externamente. Hay dos tipos de entrada de datos: un URI apuntado a una carpeta de Azure Blob Storage que contiene varios archivos CSV y cada archivo CSV contiene dos columnas, marca de tiempo y variable. Otro tipo de entrada es un URI al que apunta un archivo CSV en Azure Blob Storage, que contiene todas las variables y una columna de marca de tiempo.

close

close() -> None

delete_multivariate_model

Eliminar modelo multivariante.

Elimina un modelo multivariante existente según modelId.

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

Parámetros

model_id

str

Requerido

Identificador del modelo. Necesario.

Devoluciones

None

Tipo de valor devuelto

None

Excepciones

HttpResponseError

detect_multivariate_batch_anomaly

Detecte anomalías multivariante.

Enviar tarea de detección de anomalías multivariante con el modelId de los datos de inferencia y modelo entrenados, el esquema de entrada debe ser el mismo con la solicitud de entrenamiento. La solicitud se completará de forma asincrónica y devolverá un resultId para consultar el resultado de la detección. La solicitud debe ser un vínculo de origen para indicar un URI de Azure Storage accesible externamente, ya sea que apunte a una carpeta de Azure Blob Storage o que apunte a un archivo CSV en Azure Blob Storage.

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

Parámetros

model_id

str

Requerido

Identificador del modelo. Necesario.

options

MultivariateBatchDetectionOptions o <xref:JSON> o IO

Requerido

Solicitud de detección de anomalías multivariante. Es uno de los siguientes tipos: modelo, JSON, E/S requerido.

content_type

str

Parámetro body Content-Type. Los valores conocidos son: application/json. El valor predeterminado es Ninguno.

Devoluciones

MultivariateDetectionResult. MultivariateDetectionResult es compatible con MutableMapping

Tipo de valor devuelto

MultivariateDetectionResult

Excepciones

HttpResponseError

detect_multivariate_last_anomaly

Detecte anomalías en el último punto del cuerpo de la solicitud.

Envíe una tarea de detección de anomalías multivariante con el modelId de los datos de inferencia y modelo entrenados, y los datos de inferencia deben colocarse en el cuerpo de la solicitud en un formato JSON. La solicitud se completará de forma sincrónica y devolverá la detección inmediatamente en el cuerpo de la respuesta.

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

Parámetros

model_id

str

Requerido

Identificador del modelo. Necesario.

options

MultivariateLastDetectionOptions o <xref:JSON> o IO

Requerido

Solicitud de la última detección. Es uno de los siguientes tipos: modelo, JSON, E/S requerido.

content_type

str

Parámetro body Content-Type. Los valores conocidos son: application/json. El valor predeterminado es Ninguno.

Devoluciones

MultivariateLastDetectionResult. MultivariateLastDetectionResult es compatible con MutableMapping.

Tipo de valor devuelto

MultivariateLastDetectionResult

Excepciones

HttpResponseError

detect_univariate_change_point

Detecte el punto de cambio de toda la serie.

Evalúe la puntuación de punto de cambio de cada punto de serie.

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

Parámetros

options

UnivariateChangePointDetectionOptions o <xref:JSON> o IO

Requerido

Método de detección de anomalías univariante. Es uno de los siguientes tipos: modelo, JSON, E/S requerido.

content_type

str

Parámetro body Content-Type. Los valores conocidos son: application/json. El valor predeterminado es Ninguno.

Devoluciones

UnivariateChangePointDetectionResult. UnivariateChangePointDetectionResult es compatible con MutableMapping

Tipo de valor devuelto

UnivariateChangePointDetectionResult

Excepciones

HttpResponseError

detect_univariate_entire_series

Detecte anomalías para toda la serie en lotes.

Esta operación genera un modelo con una serie completa, cada punto se detecta con el mismo modelo. Con este método, los puntos antes y después de un determinado punto se usan para determinar si se trata de una anomalía. Toda la detección puede proporcionar al usuario un estado general de la serie temporal.

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

Parámetros

options

UnivariateDetectionOptions o <xref:JSON> o IO

Requerido

Método de detección de anomalías univariante. Es uno de los siguientes tipos: modelo, JSON, E/S requerido.

content_type

str

Parámetro body Content-Type. Los valores conocidos son: application/json. El valor predeterminado es Ninguno.

Devoluciones

UnivariateEntireDetectionResult. UnivariateEntireDetectionResult es compatible con MutableMapping

Tipo de valor devuelto

UnivariateEntireDetectionResult

Excepciones

HttpResponseError

detect_univariate_last_point

Detecte el estado de anomalía del último momento de la serie temporal.

Esta operación genera un modelo mediante los puntos que envió a la API y en función de todos los datos para determinar si el último punto es anómalo.

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

Parámetros

options

UnivariateDetectionOptions o <xref:JSON> o IO

Requerido

Método de detección de anomalías univariante. Es uno de los siguientes tipos: modelo, JSON, E/S requerido.

content_type

str

Parámetro body Content-Type. Los valores conocidos son: application/json. El valor predeterminado es Ninguno.

Devoluciones

UnivariateLastDetectionResult. UnivariateLastDetectionResult es compatible con MutableMapping

Tipo de valor devuelto

UnivariateLastDetectionResult

Excepciones

HttpResponseError

get_multivariate_batch_detection_result

Obtiene el resultado de detección de anomalías multivariante.

Para la inferencia asincrónica, obtenga el resultado de la detección de anomalías multivariante en función de resultId devuelto por la API BatchDetectAnomaly.

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

Parámetros

result_id

str

Requerido

Identificador de un resultado de detección de lotes. Necesario.

Devoluciones

MultivariateDetectionResult. MultivariateDetectionResult es compatible con MutableMapping

Tipo de valor devuelto

MultivariateDetectionResult

Excepciones

HttpResponseError

get_multivariate_model

Obtener modelo multivariante.

Obtiene información detallada del modelo de multivariante, incluidos el estado de entrenamiento y las variables que se usan en el modelo.

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

Parámetros

model_id

str

Requerido

Identificador del modelo. Necesario.

Devoluciones

AnomalyDetectionModel. AnomalyDetectionModel es compatible con MutableMapping

Tipo de valor devuelto

AnomalyDetectionModel

Excepciones

HttpResponseError

list_multivariate_models

Enumerar modelos multivariante.

Enumerar los modelos de un recurso.

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

Parámetros

skip

int

Skip indica cuántos modelos se omitirán. El valor predeterminado es Ninguno.

top

int

Top indica cuántos modelos se capturarán. El valor predeterminado es Ninguno.

Devoluciones

Iterador como una instancia de AnomalyDetectionModel. AnomalyDetectionModel es compatible con MutableMapping

Tipo de valor devuelto

ItemPaged[AnomalyDetectionModel]

Excepciones

HttpResponseError

send_request

Ejecuta la solicitud de red a través de las directivas encadenadas del cliente.

>>> 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>

Para obtener más información sobre este flujo de código, consulte https://aka.ms/azsdk/dpcodegen/python/send_request

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

Parámetros

request

HttpRequest

Requerido

La solicitud de red que desea realizar. Necesario.

stream

bool

Indica si se transmitirá la carga de respuesta. El valor predeterminado es False.

Devoluciones

Respuesta de la llamada de red. No realiza el control de errores en la respuesta.

Tipo de valor devuelto

HttpResponse

train_multivariate_model

Entrenar un modelo de detección de anomalías multivariante.

Crea y entrena un modelo de detección de anomalías de multivariante. La solicitud debe incluir un parámetro de origen para indicar un URI de Azure Blob Storage accesible externamente. Hay dos tipos de entrada de datos: un URI apuntado a una carpeta de Azure Blob Storage que contiene varios archivos CSV y cada archivo CSV contiene dos columnas, marca de tiempo y variable. Otro tipo de entrada es un URI al que apunta un archivo CSV en Azure Blob Storage, que contiene todas las variables y una columna de marca de tiempo.

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

Parámetros

model_info

ModelInfo o <xref:JSON> o IO

Requerido

Información del modelo. Es uno de los siguientes tipos: modelo, JSON, E/S requerido.

content_type

str

Parámetro body Content-Type. Los valores conocidos son: application/json. El valor predeterminado es Ninguno.

Devoluciones

AnomalyDetectionModel. AnomalyDetectionModel es compatible con MutableMapping

Tipo de valor devuelto

AnomalyDetectionModel

Excepciones

HttpResponseError