AnomalyDetectorClient class
Classe cliente pour interagir avec le service Azure Détecteur d'anomalies.
- Extends
Constructeurs
Anomaly |
Crée un instance d’AnomalieDetectorClient. Exemple d’utilisation :
|
Propriétés héritées
api |
|
endpoint |
Méthodes héritées
delete |
Supprimer un modèle multivarié existant en fonction de l’ID de modèle |
detect |
Soumettre la détection de la tâche d’anomalie multivariée avec le modèle formé d’ID de modèle. Le schéma d’entrée doit être identique à la demande d’apprentissage. Ainsi, la requête se terminera de façon asynchrone et renverra un ID de résultat pour interroger le résultat de la 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 se présente comme suit : la première colonne correspond au timestamp et la deuxième colonne à 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. L’ensemble de la détection peut donner à l’utilisateur une status globale de la série chronologique. |
detect |
Cette opération génère un modèle à l’aide de points avant le dernier point. 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 un ID de modèle |
get |
Obtenir un résultat de détection d’anomalies multivarié basé sur l’ID de résultat renvoyé par l’API DetectAnomalyAsync |
get |
Obtenir des informations détaillées sur le modèle multivarié, incluant l’état d’apprentissage et les variables utilisées dans le modèle. |
last |
API synchronisée pour la détection d’anomalie. |
list |
Répertorier les modèles d’un abonnement |
send |
Envoyez une requête HTTP renseignée à l’aide de la spécification OperationSpec fournie. |
send |
Envoyez le httpRequest fourni. |
train |
Créer et effectuer l’apprentissage d’un modèle de détection d’anomalies multivarié La requête 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 seul fichier CSV au sein duquel la première colonne correspond au timestamp et la deuxième colonne à la valeur. |
Détails du constructeur
AnomalyDetectorClient(string, TokenCredential | KeyCredential, PipelineOptions)
Crée un instance d’AnomalieDetectorClient.
Exemple d’utilisation :
import { AnomalyDetectorClient, AzureKeyCredential } from "@azure/ai-anomaly-detector";
const client = new AnomalyDetectorClient(
"<service endpoint>",
new AzureKeyCredential("<api key>")
);
new AnomalyDetectorClient(endpointUrl: string, credential: TokenCredential | KeyCredential, options?: PipelineOptions)
Paramètres
- endpointUrl
-
string
URL d’un point de terminaison de service Azure Détecteur d'anomalies
- credential
Utilisé pour authentifier les demandes adressées au service.
- options
- PipelineOptions
Permet de configurer le client Form Recognizer.
Détails de la propriété héritée
apiVersion
endpoint
Détails de la méthode héritée
deleteMultivariateModel(string, AnomalyDetectorDeleteMultivariateModelOptionalParams)
Supprimer un modèle multivarié existant en fonction de l’ID de modèle
function deleteMultivariateModel(modelId: string, options?: AnomalyDetectorDeleteMultivariateModelOptionalParams): Promise<RestResponse>
Paramètres
- modelId
-
string
Identificateur de modèle.
Paramètres d’options.
Retours
Promise<RestResponse>
detectAnomaly(string, DetectionRequest, AnomalyDetectorDetectAnomalyOptionalParams)
Soumettre la détection de la tâche d’anomalie multivariée avec le modèle formé d’ID de modèle. Le schéma d’entrée doit être identique à la demande d’apprentissage. Ainsi, la requête se terminera de façon asynchrone et renverra un ID de résultat pour interroger le résultat de la 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 se présente comme suit : la première colonne correspond au timestamp et la deuxième colonne à la valeur.
function detectAnomaly(modelId: string, body: DetectionRequest, options?: AnomalyDetectorDetectAnomalyOptionalParams): Promise<AnomalyDetectorDetectAnomalyResponse>
Paramètres
- modelId
-
string
Identificateur de modèle.
- body
- DetectionRequest
Détecter une requête 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
Des points de série chronologique et une granularité sont nécessaires. Les paramètres de modèle avancés peuvent également être définis dans la demande si nécessaire.
Paramètres d’options.
Retours
Hérité deAnomalyDetector.detectChangePoint
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. L’ensemble de la détection peut donner à l’utilisateur une status globale 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 demande.
Paramètres d’options.
Retours
Héritée deAnomalyDetector.detectEntireSeries
detectLastPoint(DetectRequest, AnomalyDetectorDetectLastPointOptionalParams)
Cette opération génère un modèle à l’aide de points avant le dernier point. 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 demande.
Paramètres d’options.
Retours
Hérité deAnomalyDetector.detectLastPoint
exportModel(string, AnomalyDetectorExportModelOptionalParams)
Exporter un modèle de détection d’anomalies multivarié basé sur un ID de modèle
function exportModel(modelId: string, options?: AnomalyDetectorExportModelOptionalParams): Promise<AnomalyDetectorExportModelResponse>
Paramètres
- modelId
-
string
Identificateur de modèle.
Paramètres d’options.
Retours
Promise<AnomalyDetectorExportModelResponse>
Hérité deAnomalyDetector.exportModel
getDetectionResult(string, AnomalyDetectorGetDetectionResultOptionalParams)
Obtenir un résultat de détection d’anomalies multivarié basé sur l’ID de résultat renvoyé par l’API DetectAnomalyAsync
function getDetectionResult(resultId: string, options?: AnomalyDetectorGetDetectionResultOptionalParams): Promise<AnomalyDetectorGetDetectionResultResponse>
Paramètres
- resultId
-
string
Identificateur de résultat.
Paramètres d’options.
Retours
Hérité deAnomalyDetector.getDetectionResult
getMultivariateModel(string, AnomalyDetectorGetMultivariateModelOptionalParams)
Obtenir des informations détaillées sur le modèle multivarié, incluant l’état d’apprentissage 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
Hérité deAnomalyDetector.getMultivariateModel
lastDetectAnomaly(string, LastDetectionRequest, AnomalyDetectorLastDetectAnomalyOptionalParams)
API synchronisée pour la détection d’anomalie.
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
Hérité deAnomalyDetector.lastDetectAnomaly
listMultivariateModel(AnomalyDetectorListMultivariateModelOptionalParams)
Répertorier les modèles d’un abonnement
function listMultivariateModel(options?: AnomalyDetectorListMultivariateModelOptionalParams): PagedAsyncIterableIterator<AnomalyDetectorClientModelSnapshot, AnomalyDetectorClientModelSnapshot[], PageSettings>
Paramètres
Paramètres d’options.
Retours
sendOperationRequest(OperationArguments, OperationSpec, ServiceCallback<any>)
Envoyez une requête HTTP renseignée à l’aide de la spécification 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>
Hérité deAnomalyDetector.sendOperationRequest
sendRequest(RequestPrepareOptions | WebResourceLike)
Envoyez le httpRequest fourni.
function sendRequest(options: RequestPrepareOptions | WebResourceLike): Promise<HttpOperationResponse>
Paramètres
- options
Retours
Promise<HttpOperationResponse>
Hérité deAnomalyDetector.sendRequest
trainMultivariateModel(AnomalyDetectorClientModelInfo, AnomalyDetectorTrainMultivariateModelOptionalParams)
Créer et effectuer l’apprentissage d’un modèle de détection d’anomalies multivarié La requête 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 seul fichier CSV au sein duquel la première colonne correspond au timestamp et la deuxième colonne à la valeur.
function trainMultivariateModel(body: AnomalyDetectorClientModelInfo, options?: AnomalyDetectorTrainMultivariateModelOptionalParams): Promise<AnomalyDetectorTrainMultivariateModelResponse>
Paramètres
Demande de formation
Paramètres d’options.
Retours
Azure SDK for JavaScript
Commentaires
https://aka.ms/ContentUserFeedback.
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, consultezEnvoyer et afficher des commentaires pour