Partager via


Guide pratique pour utiliser l’API univariée Détecteur d’anomalies sur vos données de série chronologique

Important

À partir du 20 septembre 2023, vous ne pourrez plus créer de ressources Détecteur d’anomalies. Le service Détecteur d’anomalies sera supprimé le 1er octobre 2026.

L’API Détecteur d’anomalies propose deux méthodes de détection des anomalies. Vous pouvez soit détecter les anomalies sous forme de lot tout au long de votre série chronologique, soit au moment où vos données sont générées en détectant l’état d’anomalie du dernier point de données. Le modèle de détection retourne les résultats d’anomalie, ainsi que la valeur attendue de chaque point de données et les limites supérieure et inférieure de la détection d’anomalie. Vous pouvez utiliser ces valeurs pour visualiser la plage des valeurs normales et les anomalies dans les données.

Modes de détection d’anomalie

L’API Détecteur d’anomalies fournit des modes de détection : batch et diffusion en continu.

Notes

Les URL de demande suivantes doivent être combinées avec le point de terminaison approprié pour votre abonnement. Par exemple : https://<your-custom-subdomain>.api.cognitive.microsoft.com/anomalydetector/v1.0/timeseries/entire/detect

Détection par lot

Pour détecter les anomalies tout au long d’un lot de points de données sur une période donnée, utilisez l’URI de demande suivant avec vos données de série chronologique :

/timeseries/entire/detect.

En envoyant vos données de série chronologique en même temps, l’API génère un modèle à l’aide de la série entière et en analyse chaque point de données.

Détection dans la diffusion en continu

Pour détecter en continu les anomalies dans les données diffusées, utilisez l’URI de demande suivant avec votre dernier point de données :

/timeseries/last/detect.

En envoyant les nouveaux points de données dès que vous les générez, vous pouvez surveiller vos données en temps réel. Un modèle est généré avec les points de données que vous envoyez et l’API détermine si le dernier point dans la série chronologique est une anomalie.

Ajustement des limites inférieure et supérieure de la détection d’anomalie

Par défaut, les limites supérieure et inférieure de la détection d’anomalie sont calculées à l’aide de expectedValue, upperMargin et lowerMargin. Si vous voulez des limites différentes, nous vous recommandons d’appliquer un marginScale à upperMargin ou lowerMargin. Les limites sont calculées comme suit :

Limite Calcul
upperBoundary expectedValue + (100 - marginScale) * upperMargin
lowerBoundary expectedValue - (100 - marginScale) * lowerMargin

Les exemples suivants montrent un résultat de l’API Détecteur d’anomalies avec des sensibilités différentes.

Exemple avec une sensibilité de 99

Sensibilité par défaut

Exemple avec une sensibilité de 95

Sensibilité 99

Exemple avec une sensibilité de 85

Sensibilité 85

Étapes suivantes