DetectChangePointRequest interface

Paquet:

@azure/ai-anomaly-detector

Demande de détection de point de modification.

Propriétés

customInterval	L’intervalle personnalisé est utilisé pour définir un intervalle de temps non standard, par exemple, si la série est de 5 minutes, la requête peut être définie comme {"granularité »:"minutely », « customInterval »:5}.
granularity	Il ne peut s’agir que d’une valeur annuelle, mensuelle, hebdomadaire, quotidienne, horaire, minute ou seconde. La granularité est utilisée pour vérifier si les séries d’entrée sont valides.
period	Argument facultatif, valeur périodique d’une série chronologique. Si la valeur est nulle ou absente, l’API détermine automatiquement la période.
series	Points de données de série chronologique. Les points doivent être triés par horodatage dans l’ordre croissant pour correspondre au résultat de la détection de point de modification.
stableTrendWindow	Argument facultatif, paramètre de modèle avancé, un stableTrendWindow par défaut sera utilisé dans la détection.
threshold	Argument facultatif, paramètre de modèle avancé, entre 0.0 et 1.0, plus la valeur est faible, plus l’erreur de tendance sera grande, ce qui signifie que moins de points de modification seront acceptés.

Détails de la propriété

customInterval

L’intervalle personnalisé est utilisé pour définir un intervalle de temps non standard, par exemple, si la série est de 5 minutes, la requête peut être définie comme {"granularité »:"minutely », « customInterval »:5}.

customInterval?: number

Valeur de propriété

number

granularity

Il ne peut s’agir que d’une valeur annuelle, mensuelle, hebdomadaire, quotidienne, horaire, minute ou seconde. La granularité est utilisée pour vérifier si les séries d’entrée sont valides.

granularity: TimeGranularity

Valeur de propriété

TimeGranularity

period

Argument facultatif, valeur périodique d’une série chronologique. Si la valeur est nulle ou absente, l’API détermine automatiquement la période.

period?: number

Valeur de propriété

number

series

Points de données de série chronologique. Les points doivent être triés par horodatage dans l’ordre croissant pour correspondre au résultat de la détection de point de modification.

series: TimeSeriesPoint[]

Valeur de propriété

TimeSeriesPoint[]

stableTrendWindow

Argument facultatif, paramètre de modèle avancé, un stableTrendWindow par défaut sera utilisé dans la détection.

stableTrendWindow?: number

Valeur de propriété

number

threshold

Argument facultatif, paramètre de modèle avancé, entre 0.0 et 1.0, plus la valeur est faible, plus l’erreur de tendance sera grande, ce qui signifie que moins de points de modification seront acceptés.

threshold?: number

Valeur de propriété

number