AnomalyDetectorClient.DetectMultivariateBatchAnomaly Méthode

Définition

Espace de noms:

Azure.AI.AnomalyDetector

Assembly:

Azure.AI.AnomalyDetector.dll

Paquet:

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

Surcharges

DetectMultivariateBatchAnomaly(String, MultivariateBatchDetectionOptions, CancellationToken)	Détecter une anomalie multivariée.
DetectMultivariateBatchAnomaly(String, RequestContent, RequestContext)	[Méthode de protocole] Détecter une anomalie multivariée Cette méthode de protocole permet la création explicite de la demande et le traitement de la réponse pour les scénarios avancés. Essayez d’abord la surcharge de commodité plus simple DetectMultivariateBatchAnomaly(String, MultivariateBatchDetectionOptions, CancellationToken) avec des modèles fortement typés.

DetectMultivariateBatchAnomaly(String, MultivariateBatchDetectionOptions, CancellationToken)

Source:

AnomalyDetectorClient.cs

Détecter une anomalie multivariée.

public virtual Azure.Response<Azure.AI.AnomalyDetector.MultivariateDetectionResult> DetectMultivariateBatchAnomaly (string modelId, Azure.AI.AnomalyDetector.MultivariateBatchDetectionOptions options, System.Threading.CancellationToken cancellationToken = default);

abstract member DetectMultivariateBatchAnomaly : string * Azure.AI.AnomalyDetector.MultivariateBatchDetectionOptions * System.Threading.CancellationToken -> Azure.Response<Azure.AI.AnomalyDetector.MultivariateDetectionResult>
override this.DetectMultivariateBatchAnomaly : string * Azure.AI.AnomalyDetector.MultivariateBatchDetectionOptions * System.Threading.CancellationToken -> Azure.Response<Azure.AI.AnomalyDetector.MultivariateDetectionResult>

Public Overridable Function DetectMultivariateBatchAnomaly (modelId As String, options As MultivariateBatchDetectionOptions, Optional cancellationToken As CancellationToken = Nothing) As Response(Of MultivariateDetectionResult)

Paramètres

modelId

String

Identificateur de modèle.

options

MultivariateBatchDetectionOptions

Demande de détection d’anomalie multivariée.

cancellationToken

CancellationToken

Jeton d’annulation à utiliser.

Retours

Response<MultivariateDetectionResult>

Exceptions

ArgumentNullException

modelId ou options est null.

ArgumentException

modelId est une chaîne vide et devait être non vide.

Exemples

Cet exemple montre comment appeler DetectMultivariateBatchAnomaly avec les paramètres requis.

var credential = new AzureKeyCredential("<key>");
var endpoint = new Uri("<https://my-service.azure.com>");
var client = new AnomalyDetectorClient(endpoint, credential);

var options = new MultivariateBatchDetectionOptions("<dataSource>", 1234, DateTimeOffset.UtcNow, DateTimeOffset.UtcNow);
var result = client.DetectMultivariateBatchAnomaly("<modelId>", options);

Remarques

Envoyez une tâche de détection d’anomalie multivariée avec la valeur modelId d’un modèle entraîné et des données d’inférence. Le schéma d’entrée doit être identique à la demande d’entraînement. La requête se termine de manière asynchrone et retourne une valeur resultId pour interroger le résultat de la détection. La demande doit être un lien source pour indiquer un URI de stockage Azure accessible en externe qui pointe vers un dossier Stockage Blob Azure ou pointe vers un fichier CSV dans Stockage Blob Azure.

DetectMultivariateBatchAnomaly(String, RequestContent, RequestContext)

Source:

AnomalyDetectorClient.cs

[Méthode de protocole] Détecter une anomalie multivariée

• Cette méthode de protocole permet la création explicite de la demande et le traitement de la réponse pour les scénarios avancés.
• Essayez d’abord la surcharge de commodité plus simple DetectMultivariateBatchAnomaly(String, MultivariateBatchDetectionOptions, CancellationToken) avec des modèles fortement typés.

public virtual Azure.Response DetectMultivariateBatchAnomaly (string modelId, Azure.Core.RequestContent content, Azure.RequestContext context = default);

abstract member DetectMultivariateBatchAnomaly : string * Azure.Core.RequestContent * Azure.RequestContext -> Azure.Response
override this.DetectMultivariateBatchAnomaly : string * Azure.Core.RequestContent * Azure.RequestContext -> Azure.Response

Public Overridable Function DetectMultivariateBatchAnomaly (modelId As String, content As RequestContent, Optional context As RequestContext = Nothing) As Response

Paramètres

modelId

String

Identificateur de modèle.

content

RequestContent

Contenu à envoyer en tant que corps de la demande.

context

RequestContext

Contexte de la demande, qui peut remplacer les comportements par défaut du pipeline client par appel.

Retours

Response

Réponse retournée par le service.

Exceptions

ArgumentNullException

modelId ou content est null.

ArgumentException

modelId est une chaîne vide et devait être non vide.

RequestFailedException

Le service a retourné un code de status non réussi.

Exemples

Cet exemple montre comment appeler DetectMultivariateBatchAnomaly avec les paramètres requis, demander le contenu et analyser le résultat.

var credential = new AzureKeyCredential("<key>");
var endpoint = new Uri("<https://my-service.azure.com>");
var client = new AnomalyDetectorClient(endpoint, credential);

var data = new {
    dataSource = "<dataSource>",
    topContributorCount = 1234,
    startTime = "2022-05-10T14:57:31.2311892-04:00",
    endTime = "2022-05-10T14:57:31.2311892-04:00",
};

Response response = client.DetectMultivariateBatchAnomaly("<modelId>", RequestContent.Create(data), new RequestContext());

JsonElement result = JsonDocument.Parse(response.ContentStream).RootElement;
Console.WriteLine(result.GetProperty("resultId").ToString());
Console.WriteLine(result.GetProperty("summary").GetProperty("status").ToString());
Console.WriteLine(result.GetProperty("summary").GetProperty("errors")[0].GetProperty("code").ToString());
Console.WriteLine(result.GetProperty("summary").GetProperty("errors")[0].GetProperty("message").ToString());
Console.WriteLine(result.GetProperty("summary").GetProperty("variableStates")[0].GetProperty("variable").ToString());
Console.WriteLine(result.GetProperty("summary").GetProperty("variableStates")[0].GetProperty("filledNARatio").ToString());
Console.WriteLine(result.GetProperty("summary").GetProperty("variableStates")[0].GetProperty("effectiveCount").ToString());
Console.WriteLine(result.GetProperty("summary").GetProperty("variableStates")[0].GetProperty("firstTimestamp").ToString());
Console.WriteLine(result.GetProperty("summary").GetProperty("variableStates")[0].GetProperty("lastTimestamp").ToString());
Console.WriteLine(result.GetProperty("summary").GetProperty("setupInfo").GetProperty("dataSource").ToString());
Console.WriteLine(result.GetProperty("summary").GetProperty("setupInfo").GetProperty("topContributorCount").ToString());
Console.WriteLine(result.GetProperty("summary").GetProperty("setupInfo").GetProperty("startTime").ToString());
Console.WriteLine(result.GetProperty("summary").GetProperty("setupInfo").GetProperty("endTime").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("timestamp").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("value").GetProperty("isAnomaly").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("value").GetProperty("severity").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("value").GetProperty("score").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("value").GetProperty("interpretation")[0].GetProperty("variable").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("value").GetProperty("interpretation")[0].GetProperty("contributionScore").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("value").GetProperty("interpretation")[0].GetProperty("correlationChanges").GetProperty("changedVariables")[0].ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("errors")[0].GetProperty("code").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("errors")[0].GetProperty("message").ToString());

Remarques

Envoyer la tâche de détection d’anomalie multivariée avec le modelId des données de modèle et d’inférence entraînées, le schéma d’entrée doit être le même avec la demande d’entraînement. La requête se termine de façon asynchrone et retourne un resultId pour interroger le résultat de la détection. La demande doit être un lien source pour indiquer un URI de stockage Azure accessible en externe, pointé vers un dossier de stockage d’objets blob Azure ou vers un fichier CSV dans stockage Blob Azure.

Vous trouverez ci-dessous le schéma JSON pour les charges utiles de requête et de réponse.

Corps de la demande :

Schéma pour MultivariateBatchDetectionOptions:

{
  dataSource: string, # Required.
  topContributorCount: number, # Required.
  startTime: string (date & time), # Required.
  endTime: string (date & time), # Required.
}

Corps de réponse :

Schéma pour MultivariateDetectionResult:

{
  resultId: string, # Required.
  summary: {
    status: "CREATED" | "RUNNING" | "READY" | "FAILED", # Required.
    errors: [ErrorResponse], # Optional.
    variableStates: [VariableState], # Optional.
    setupInfo: {
      dataSource: string, # Required.
      topContributorCount: number, # Required.
      startTime: string (date & time), # Required.
      endTime: string (date & time), # Required.
    }, # Required.
  }, # Required.
  results: [
    {
      timestamp: string (date & time), # Required.
      value: {
        isAnomaly: boolean, # Required.
        severity: number, # Required.
        score: number, # Required.
        interpretation: [AnomalyInterpretation], # Optional.
      }, # Optional.
      errors: [ErrorResponse], # Optional.
    }
  ], # Required.
}