AnomalyDetectorClient.GetMultivariateModelAsync Méthode
Définition
Important
Certaines informations portent sur la préversion du produit qui est susceptible d’être en grande partie modifiée avant sa publication. Microsoft exclut toute garantie, expresse ou implicite, concernant les informations fournies ici.
Surcharges
GetMultivariateModelAsync(String, RequestContext) |
[Méthode de protocole] Obtenir un modèle multivarié
|
GetMultivariateModelAsync(String, CancellationToken) |
Obtenir un modèle multivarié. |
GetMultivariateModelAsync(String, RequestContext)
- Source:
- AnomalyDetectorClient.cs
[Méthode de protocole] Obtenir un modèle multivarié
- 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 GetMultivariateModelAsync(String, CancellationToken) avec des modèles fortement typés.
public virtual System.Threading.Tasks.Task<Azure.Response> GetMultivariateModelAsync (string modelId, Azure.RequestContext context);
abstract member GetMultivariateModelAsync : string * Azure.RequestContext -> System.Threading.Tasks.Task<Azure.Response>
override this.GetMultivariateModelAsync : string * Azure.RequestContext -> System.Threading.Tasks.Task<Azure.Response>
Public Overridable Function GetMultivariateModelAsync (modelId As String, context As RequestContext) As Task(Of Response)
Paramètres
- modelId
- String
Identificateur de modèle.
- context
- RequestContext
Contexte de demande, qui peut remplacer les comportements par défaut du pipeline client par appel.
Retours
Réponse retournée par le service.
Exceptions
modelId
a la valeur null.
modelId
est une chaîne vide, et on s’attendait à ce qu’elle ne soit pas vide.
Le service a retourné un code de status non réussi.
Exemples
Cet exemple montre comment appeler GetMultivariateModelAsync avec les paramètres requis et analyser le résultat.
var credential = new AzureKeyCredential("<key>");
var endpoint = new Uri("<https://my-service.azure.com>");
var client = new AnomalyDetectorClient(endpoint, credential);
Response response = await client.GetMultivariateModelAsync("<modelId>", new RequestContext());
JsonElement result = JsonDocument.Parse(response.ContentStream).RootElement;
Console.WriteLine(result.GetProperty("modelId").ToString());
Console.WriteLine(result.GetProperty("createdTime").ToString());
Console.WriteLine(result.GetProperty("lastUpdatedTime").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("dataSource").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("dataSchema").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("startTime").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("endTime").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("displayName").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("slidingWindow").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("alignPolicy").GetProperty("alignMode").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("alignPolicy").GetProperty("fillNAMethod").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("alignPolicy").GetProperty("paddingValue").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("status").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("errors")[0].GetProperty("code").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("errors")[0].GetProperty("message").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("diagnosticsInfo").GetProperty("modelState").GetProperty("epochIds")[0].ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("diagnosticsInfo").GetProperty("modelState").GetProperty("trainLosses")[0].ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("diagnosticsInfo").GetProperty("modelState").GetProperty("validationLosses")[0].ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("diagnosticsInfo").GetProperty("modelState").GetProperty("latenciesInSeconds")[0].ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("diagnosticsInfo").GetProperty("variableStates")[0].GetProperty("variable").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("diagnosticsInfo").GetProperty("variableStates")[0].GetProperty("filledNARatio").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("diagnosticsInfo").GetProperty("variableStates")[0].GetProperty("effectiveCount").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("diagnosticsInfo").GetProperty("variableStates")[0].GetProperty("firstTimestamp").ToString());
Console.WriteLine(result.GetProperty("modelInfo").GetProperty("diagnosticsInfo").GetProperty("variableStates")[0].GetProperty("lastTimestamp").ToString());
Remarques
Obtenir des informations détaillées sur le modèle multivarié, incluant l’état d’apprentissage et les variables utilisées dans le modèle.
Vous trouverez ci-dessous le schéma JSON pour la charge utile de réponse.
Corps de réponse :
Schéma pour AnomalyDetectionModel
:
{
modelId: string, # Required.
createdTime: string (date & time), # Required.
lastUpdatedTime: string (date & time), # Required.
modelInfo: {
dataSource: string, # Required.
dataSchema: "OneTable" | "MultiTable", # Optional.
startTime: string (date & time), # Required.
endTime: string (date & time), # Required.
displayName: string, # Optional.
slidingWindow: number, # Optional.
alignPolicy: {
alignMode: "Inner" | "Outer", # Optional.
fillNAMethod: "Previous" | "Subsequent" | "Linear" | "Zero" | "Fixed", # Optional.
paddingValue: number, # Optional.
}, # Optional.
status: "CREATED" | "RUNNING" | "READY" | "FAILED", # Optional.
errors: [
{
code: string, # Required.
message: string, # Required.
}
], # Optional.
diagnosticsInfo: {
modelState: {
epochIds: [number], # Optional.
trainLosses: [number], # Optional.
validationLosses: [number], # Optional.
latenciesInSeconds: [number], # Optional.
}, # Optional.
variableStates: [VariableState], # Optional.
}, # Optional.
}, # Optional.
}
S’applique à
GetMultivariateModelAsync(String, CancellationToken)
- Source:
- AnomalyDetectorClient.cs
Obtenir un modèle multivarié.
public virtual System.Threading.Tasks.Task<Azure.Response<Azure.AI.AnomalyDetector.AnomalyDetectionModel>> GetMultivariateModelAsync (string modelId, System.Threading.CancellationToken cancellationToken = default);
abstract member GetMultivariateModelAsync : string * System.Threading.CancellationToken -> System.Threading.Tasks.Task<Azure.Response<Azure.AI.AnomalyDetector.AnomalyDetectionModel>>
override this.GetMultivariateModelAsync : string * System.Threading.CancellationToken -> System.Threading.Tasks.Task<Azure.Response<Azure.AI.AnomalyDetector.AnomalyDetectionModel>>
Public Overridable Function GetMultivariateModelAsync (modelId As String, Optional cancellationToken As CancellationToken = Nothing) As Task(Of Response(Of AnomalyDetectionModel))
Paramètres
- modelId
- String
Identificateur de modèle.
- cancellationToken
- CancellationToken
Jeton d’annulation à utiliser.
Retours
Exceptions
modelId
a la valeur null.
modelId
est une chaîne vide, et on s’attendait à ce qu’elle ne soit pas vide.
Exemples
Cet exemple montre comment appeler GetMultivariateModelAsync 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 result = await client.GetMultivariateModelAsync("<modelId>");
Remarques
Obtenez des informations détaillées sur le modèle multivarié, notamment les status d’entraînement et les variables utilisées dans le modèle.
S’applique à
Azure SDK for .NET