series_outliers()
Egy sorozat anomáliáinak pontszáma.
A függvény bemenetként egy dinamikus numerikus tömböt tartalmazó kifejezést vesz fel, és egy azonos hosszúságú dinamikus numerikus tömböt hoz létre. A tömb minden értéke egy lehetséges rendellenesség pontszámát jelzi a "Tukey-teszt" használatával. A bemenet ugyanazon elemében az 1,5-nél nagyobb érték emelkedési anomáliát jelez. A -1,5-nél kisebb érték csökkenő anomáliát jelez.
Syntax
series_outliers(
series [,
kind ] [,
ignore_val ] [,
min_percentile ] [,
max_percentile ])
További információ a szintaxis konvenciókról.
Paraméterek
Név | Típus | Kötelező | Leírás |
---|---|---|---|
Sorozat | dynamic |
✔️ | Numerikus értékek tömbje. |
Fajta | string |
A kiugró értékek észleléséhez használt algoritmus. A támogatott lehetőségek a "tukey" hagyományos "Tukey" és "ctukey" az , amely egyéni "Tukey". A mező alapértelmezett értéke: "ctukey" . |
|
ignore_val | int, long vagy real | Numerikus érték, amely az adatsor hiányzó értékeit jelzi. Az alapértelmezett érték null) double( . A null értékek pontszáma és az értékek figyelmen kívül hagyása értékre 0 van állítva. |
|
min_percentile | int, long vagy real | A normál kvantilis tartomány kiszámításához használandó minimális percentilis. Az alapértelmezett érték 10. Az értéknek a tartományban [2.0, 98.0] kell lennie. Ez a paraméter csak a "ctukey" típusra vonatkozik. |
|
max_percentile | int, long vagy real | A normál kvantilis tartomány kiszámításához használandó maximális percentilis. Az alapértelmezett érték 90. Az értéknek a tartományban [2.0, 98.0] kell lennie. Ez a paraméter csak a "ctukey" típusra vonatkozik. |
Az alábbi táblázat a és "ctukey"
a közötti "tukey"
különbségeket ismerteti:
Algoritmus | Alapértelmezett kvantilis tartomány | Támogatja az egyéni kvantilis tartományt |
---|---|---|
"tukey" |
25% / 75% | No |
"ctukey" |
10% / 90% | Yes |
Tipp
Ennek a függvénynek a legjobb módja, ha alkalmazza a make-series operátor eredményeire.
Példa
range x from 0 to 364 step 1
| extend t = datetime(2023-01-01) + 1d*x
| extend y = rand() * 10
| extend y = iff(monthofyear(t) != monthofyear(prev(t)), y+20, y) // generate a sample series with outliers at first day of each month
| summarize t = make_list(t), series = make_list(y)
| extend outliers=series_outliers(series)
| extend pos_anomalies = array_iff(series_greater_equals(outliers, 1.5), 1, 0)
| render anomalychart with(xcolumn=t, ycolumns=series, anomalycolumns=pos_anomalies)
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: