AnomalyDetector class
- Extends
Constructeurs
| Anomaly |
Initialise une nouvelle instance de la classe AnomalyDetector. |
Propriétés héritées
| api |
|
| endpoint |
Méthodes
| delete |
Supprimer un modèle multivarié existant en fonction du modelId |
| detect |
Envoyer la tâche d’anomalie multivariée de détection avec le modèle entraîné de modelId, le schéma d’entrée doit être identique à la demande d’entraînement. Par conséquent, la requête est terminée de façon asynchrone et retourne un resultId pour interroger le résultat de détection. La requête doit être un lien source pour indiquer un URI de stockage Azure accessible en externe (de préférence un URI de signature d’accès partagé). Toutes les séries chronologiques utilisées dans la génération du modèle doivent être compressées dans un seul fichier. Chaque série chronologique sera la suivante : la première colonne est horodatage et la deuxième colonne est la valeur. |
| detect |
Évaluer le score de point de modification de chaque point de série |
| detect |
Cette opération génère un modèle avec une série entière, chaque point est détecté avec le même modèle. Avec cette méthode, les points avant et après un certain point sont utilisés pour déterminer s’il s’agit d’une anomalie. Toute la détection peut donner à l’utilisateur un état global de la série chronologique. |
| detect |
Cette opération génère un modèle à l’aide de points avant la dernière. Avec cette méthode, seuls les points historiques sont utilisés pour déterminer si le point cible est une anomalie. La dernière opération de détection de point correspond au scénario de surveillance en temps réel des métriques métier. |
| export |
Exporter un modèle de détection d’anomalies multivarié basé sur modelId |
| get |
Obtenir le résultat de détection d’anomalies multivarié en fonction de resultId retourné par l’API DetectAnomalyAsync |
| get |
Obtenez des informations détaillées sur le modèle multivarié, notamment l’état d’entraînement et les variables utilisées dans le modèle. |
| last |
API synchronisée pour la détection d’anomalies. |
| list |
Répertorier les modèles d’un abonnement |
| train |
Créez et entraînez un modèle de détection d’anomalies multivarié. La demande doit inclure un paramètre source pour indiquer un URI de stockage Azure accessible en externe (de préférence un URI de signature d’accès partagé). Toutes les séries chronologiques utilisées dans la génération du modèle doivent être compressées dans un seul fichier. Chaque série chronologique se trouve dans un fichier CSV unique dans lequel la première colonne est timestamp et la deuxième colonne est la valeur. |
Méthodes héritées
| send |
Envoyez une requête HTTP remplie à l’aide de operationSpec fournie. |
| send |
Envoyez le httpRequest fourni. |
Détails du constructeur
AnomalyDetector(string, AnomalyDetectorOptionalParams)
Initialise une nouvelle instance de la classe AnomalyDetector.
new AnomalyDetector(endpoint: string, options?: AnomalyDetectorOptionalParams)Paramètres
- endpoint
-
string
Points de terminaison Cognitive Services pris en charge (protocole et nom d’hôte, par exemple : https://westus2.api.cognitive.microsoft.com).
- options
- AnomalyDetectorOptionalParams
Options de paramètre
Détails de la propriété héritée
apiVersion
endpoint
Détails de la méthode
deleteMultivariateModel(string, AnomalyDetectorDeleteMultivariateModelOptionalParams)
Supprimer un modèle multivarié existant en fonction du modelId
function deleteMultivariateModel(modelId: string, options?: AnomalyDetectorDeleteMultivariateModelOptionalParams): Promise<RestResponse>Paramètres
- modelId
-
string
Identificateur de modèle.
Paramètres d’options.
Retours
Promise<RestResponse>
detectAnomaly(string, DetectionRequest, AnomalyDetectorDetectAnomalyOptionalParams)
Envoyer la tâche d’anomalie multivariée de détection avec le modèle entraîné de modelId, le schéma d’entrée doit être identique à la demande d’entraînement. Par conséquent, la requête est terminée de façon asynchrone et retourne un resultId pour interroger le résultat de détection. La requête doit être un lien source pour indiquer un URI de stockage Azure accessible en externe (de préférence un URI de signature d’accès partagé). Toutes les séries chronologiques utilisées dans la génération du modèle doivent être compressées dans un seul fichier. Chaque série chronologique sera la suivante : la première colonne est horodatage et la deuxième colonne est la valeur.
function detectAnomaly(modelId: string, body: DetectionRequest, options?: AnomalyDetectorDetectAnomalyOptionalParams): Promise<AnomalyDetectorDetectAnomalyResponse>Paramètres
- modelId
-
string
Identificateur de modèle.
- body
- DetectionRequest
Détecter la demande d’anomalie
Paramètres d’options.
Retours
Promise<AnomalyDetectorDetectAnomalyResponse>
detectChangePoint(DetectChangePointRequest, AnomalyDetectorDetectChangePointOptionalParams)
Évaluer le score de point de modification de chaque point de série
function detectChangePoint(body: DetectChangePointRequest, options?: AnomalyDetectorDetectChangePointOptionalParams): Promise<AnomalyDetectorDetectChangePointResponse>Paramètres
Les points et la granularité des séries chronologiques sont nécessaires. Les paramètres de modèle avancé peuvent également être définis dans la requête si nécessaire.
Paramètres d’options.
Retours
detectEntireSeries(DetectRequest, AnomalyDetectorDetectEntireSeriesOptionalParams)
Cette opération génère un modèle avec une série entière, chaque point est détecté avec le même modèle. Avec cette méthode, les points avant et après un certain point sont utilisés pour déterminer s’il s’agit d’une anomalie. Toute la détection peut donner à l’utilisateur un état global de la série chronologique.
function detectEntireSeries(body: DetectRequest, options?: AnomalyDetectorDetectEntireSeriesOptionalParams): Promise<AnomalyDetectorDetectEntireSeriesResponse>Paramètres
- body
- DetectRequest
Points de série chronologique et période si nécessaire. Les paramètres de modèle avancés peuvent également être définis dans la requête.
Paramètres d’options.
Retours
detectLastPoint(DetectRequest, AnomalyDetectorDetectLastPointOptionalParams)
Cette opération génère un modèle à l’aide de points avant la dernière. Avec cette méthode, seuls les points historiques sont utilisés pour déterminer si le point cible est une anomalie. La dernière opération de détection de point correspond au scénario de surveillance en temps réel des métriques métier.
function detectLastPoint(body: DetectRequest, options?: AnomalyDetectorDetectLastPointOptionalParams): Promise<AnomalyDetectorDetectLastPointResponse>Paramètres
- body
- DetectRequest
Points de série chronologique et période si nécessaire. Les paramètres de modèle avancés peuvent également être définis dans la requête.
Paramètres d’options.
Retours
exportModel(string, AnomalyDetectorExportModelOptionalParams)
Exporter un modèle de détection d’anomalies multivarié basé sur modelId
function exportModel(modelId: string, options?: AnomalyDetectorExportModelOptionalParams): Promise<AnomalyDetectorExportModelResponse>Paramètres
- modelId
-
string
Identificateur de modèle.
Paramètres d’options.
Retours
Promise<AnomalyDetectorExportModelResponse>
getDetectionResult(string, AnomalyDetectorGetDetectionResultOptionalParams)
Obtenir le résultat de détection d’anomalies multivarié en fonction de resultId retourné par l’API DetectAnomalyAsync
function getDetectionResult(resultId: string, options?: AnomalyDetectorGetDetectionResultOptionalParams): Promise<AnomalyDetectorGetDetectionResultResponse>Paramètres
- resultId
-
string
Identificateur de résultat.
Paramètres d’options.
Retours
getMultivariateModel(string, AnomalyDetectorGetMultivariateModelOptionalParams)
Obtenez des informations détaillées sur le modèle multivarié, notamment l’état d’entraînement et les variables utilisées dans le modèle.
function getMultivariateModel(modelId: string, options?: AnomalyDetectorGetMultivariateModelOptionalParams): Promise<AnomalyDetectorGetMultivariateModelResponse>Paramètres
- modelId
-
string
Identificateur de modèle.
Paramètres d’options.
Retours
lastDetectAnomaly(string, LastDetectionRequest, AnomalyDetectorLastDetectAnomalyOptionalParams)
API synchronisée pour la détection d’anomalies.
function lastDetectAnomaly(modelId: string, body: LastDetectionRequest, options?: AnomalyDetectorLastDetectAnomalyOptionalParams): Promise<AnomalyDetectorLastDetectAnomalyResponse>Paramètres
- modelId
-
string
Identificateur de modèle.
- body
- LastDetectionRequest
Demande de dernière détection.
Paramètres d’options.
Retours
listMultivariateModel(AnomalyDetectorListMultivariateModelOptionalParams)
Répertorier les modèles d’un abonnement
function listMultivariateModel(options?: AnomalyDetectorListMultivariateModelOptionalParams): PagedAsyncIterableIterator<AnomalyDetectorClientModelSnapshot, AnomalyDetectorClientModelSnapshot[], PageSettings>Paramètres
Paramètres d’options.
Retours
trainMultivariateModel(AnomalyDetectorClientModelInfo, AnomalyDetectorTrainMultivariateModelOptionalParams)
Créez et entraînez un modèle de détection d’anomalies multivarié. La demande doit inclure un paramètre source pour indiquer un URI de stockage Azure accessible en externe (de préférence un URI de signature d’accès partagé). Toutes les séries chronologiques utilisées dans la génération du modèle doivent être compressées dans un seul fichier. Chaque série chronologique se trouve dans un fichier CSV unique dans lequel la première colonne est timestamp et la deuxième colonne est la valeur.
function trainMultivariateModel(body: AnomalyDetectorClientModelInfo, options?: AnomalyDetectorTrainMultivariateModelOptionalParams): Promise<AnomalyDetectorTrainMultivariateModelResponse>Paramètres
Demande d’entraînement
Paramètres d’options.
Retours
Détails de la méthode héritée
sendOperationRequest(OperationArguments, OperationSpec, ServiceCallback<any>)
Envoyez une requête HTTP remplie à l’aide de operationSpec fournie.
function sendOperationRequest(operationArguments: OperationArguments, operationSpec: OperationSpec, callback?: ServiceCallback<any>): Promise<RestResponse>Paramètres
- operationArguments
- OperationArguments
Arguments à partir duquel les valeurs de modèle de la requête HTTP seront remplies.
- operationSpec
- OperationSpec
OperationSpec à utiliser pour remplir le httpRequest.
- callback
-
ServiceCallback<any>
Rappel à appeler lorsque la réponse est reçue.
Retours
Promise<RestResponse>
sendRequest(RequestPrepareOptions | WebResourceLike)
Envoyez le httpRequest fourni.
function sendRequest(options: RequestPrepareOptions | WebResourceLike): Promise<HttpOperationResponse>Paramètres
- options
Retours
Promise<HttpOperationResponse>
héritée deAnomalyDetectorContext.sendRequest
Azure SDK for JavaScript
Commentaires
Bientôt disponible : Tout au long de 2024, nous allons supprimer progressivement GitHub Issues comme mécanisme de commentaires pour le contenu et le remplacer par un nouveau système de commentaires. Pour plus d’informations, consultez https://aka.ms/ContentUserFeedback.
Envoyer et afficher des commentaires pour