AnomalyDetectorClient Osztály
A anomáliadetektor API automatikusan észleli az idősoradatok rendellenességeit. Kétféle módot támogat, az egyik állapot nélküli, a másik állapotalapú. Állapot nélküli módban három funkció létezik. A Teljes észlelés az egész sorozat észlelésére használható az idősor által betanított modellel, a Last Detect az utolsó pontot észleli a pontokkal korábban betanított modellel. A ChangePoint Detect az idősorok trendváltozásainak észlelésére használható. Állapotalapú módban a felhasználó tárolhatja az idősorokat, a tárolt idősorokat a rendszer észlelési rendellenességek észlelésére fogja használni. Ebben a módban a felhasználó továbbra is használhatja a fenti három funkciót úgy, hogy csak egy időtartományt ad meg az ügyféloldali idősorok előkészítése nélkül. A fenti három funkció mellett az állapotalapú modell csoportalapú észlelési és címkézési szolgáltatást is biztosít. A címkézési szolgáltatás használatával a felhasználó címkéket biztosíthat az egyes észlelési eredményekhez, ezek a címkék az észlelési modellek újrahangolására vagy újragenerálására használhatók. Az inkonzisztenciák észlelése egyfajta csoportalapú észlelés, ez az észlelés inkonzisztenciákat fog találni egy idősorozatban. Az anomáliadetektor szolgáltatás használatával az üzleti ügyfelek felderíthetik az incidenseket, és logikai folyamatot hozhatnak létre a kiváltó okok elemzéséhez.
- Öröklődés
-
azure.ai.anomalydetector._operations._operations.AnomalyDetectorClientOperationsMixinAnomalyDetectorClient
Konstruktor
AnomalyDetectorClient(endpoint: str, credential: AzureKeyCredential, **kwargs: Any)
Paraméterek
- endpoint
- str
Támogatott Cognitive Services-végpontok (protokoll és állomásnév, például: https://westus2.api.cognitive.microsoft.com). Kötelező.
- credential
- AzureKeyCredential
Hitelesítő adatokra van szükség ahhoz, hogy az ügyfél csatlakozzon az Azure-hoz. Kötelező.
- api_version
- str
Api-verzió. Az alapértelmezett érték a "v1.1". Vegye figyelembe, hogy az alapértelmezett érték felülbírálása nem támogatott viselkedést eredményezhet.
Metódusok
close | |
delete_multivariate_model |
Többváltozós modell törlése. Töröljön egy meglévő többváltozós modellt a modelId alapján. |
detect_multivariate_batch_anomaly |
Többváltozós anomália észlelése. Küldje el a többváltozós anomáliadetektálási feladatot a betanított modell és a következtetési adatok modelId azonosítójával, a bemeneti sémának meg kell egyeznie a betanítási kérelemmel. A kérés aszinkron módon fejeződik be, és eredményazonosítót ad vissza az észlelési eredmény lekérdezéséhez. A kérésnek egy forráshivatkozásnak kell lennie, amely egy külsőleg elérhető Azure Storage URI-t jelez, vagy egy Azure Blob Storage-mappára mutat, vagy egy CSV-fájlra mutat az Azure Blob Storage-ban. |
detect_multivariate_last_anomaly |
A kérés törzsének utolsó pontjában észlelt anomáliák. Küldje el a többváltozós anomáliadetektálási feladatot a betanított modell és a következtetési adatok modelId azonosítójával, és a következtetési adatokat JSON formátumban kell a kérelem törzsébe helyezni. A kérés szinkronban fejeződik be, és azonnal visszaadja az észlelést a válasz törzsében. |
detect_univariate_change_point |
A teljes sorozat változási pontjának észlelése. Minden adatsorpont változáspont-pontszámának kiértékelése. |
detect_univariate_entire_series |
A teljes sorozat rendellenességeinek észlelése kötegben. Ez a művelet egy teljes sorozatú modellt hoz létre, és minden pontot ugyanazzal a modellel észlel. Ezzel a módszerrel egy adott pont előtti és utáni pontok segítségével állapítható meg, hogy anomáliáról van-e szó. A teljes észlelés általános állapotot adhat a felhasználónak az idősorhoz. |
detect_univariate_last_point |
Észleli az idősor legújabb pontjának anomáliadetektálását. Ez a művelet létrehoz egy modellt az API-ba küldött pontok alapján, és az összes adat alapján megállapítja, hogy az utolsó pont rendellenes-e. |
get_multivariate_batch_detection_result |
Többváltozós anomáliadetektálási eredmény lekérése. Az aszinkron következtetéshez a BatchDetectAnomaly API által visszaadott resultId alapján többváltozós anomáliadetektálási eredményt kap. |
get_multivariate_model |
Többváltozós modell lekérése. Részletes információk a többváltozós modellről, beleértve a betanítási állapotot és a modellben használt változókat. |
list_multivariate_models |
Többváltozós modellek listázása. Erőforrás modelljeinek listázása. |
send_request |
A hálózati kérést az ügyfél láncolt szabályzatain keresztül futtatja.
A kódfolyamattal kapcsolatos további információkért lásd: https://aka.ms/azsdk/dpcodegen/python/send_request |
train_multivariate_model |
Többváltozós anomáliadetektálási modell betanítása. Többváltozós anomáliadetektálási modell létrehozása és betanítása. A kérelemnek tartalmaznia kell egy forrásparamétert, amely egy külsőleg elérhető Azure Blob Storage URI-t jelez. Kétféle adatbevitel létezik: Az URI egy Azure Blob Storage-mappára mutat, amely több CSV-fájlt tartalmaz, és minden CSV-fájl két oszlopot, időbélyeget és változót tartalmaz. Egy másik típusú bemenet egy URI, amely egy CSV-fájlra mutat az Azure Blob Storage-ban, amely tartalmazza az összes változót és egy időbélyegoszlopot. |
close
close() -> None
delete_multivariate_model
Többváltozós modell törlése.
Töröljön egy meglévő többváltozós modellt a modelId alapján.
delete_multivariate_model(model_id: str, **kwargs: Any) -> None
Paraméterek
Válaszok
None
Visszatérési típus
Kivételek
detect_multivariate_batch_anomaly
Többváltozós anomália észlelése.
Küldje el a többváltozós anomáliadetektálási feladatot a betanított modell és a következtetési adatok modelId azonosítójával, a bemeneti sémának meg kell egyeznie a betanítási kérelemmel. A kérés aszinkron módon fejeződik be, és eredményazonosítót ad vissza az észlelési eredmény lekérdezéséhez. A kérésnek egy forráshivatkozásnak kell lennie, amely egy külsőleg elérhető Azure Storage URI-t jelez, vagy egy Azure Blob Storage-mappára mutat, vagy egy CSV-fájlra mutat az Azure Blob Storage-ban.
detect_multivariate_batch_anomaly(model_id: str, options: MultivariateBatchDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateDetectionResult
Paraméterek
- options
- MultivariateBatchDetectionOptions vagy <xref:JSON> vagy IO
Többváltozós anomáliadetektálási kérelem. A következő típusok egyike: modell, JSON, IO Kötelező.
- content_type
- str
Tartalomtípus törzsparaméter. Ismert értékek: application/json. Az alapértelmezett érték Nincs.
Válaszok
MultivariateDetectionResult. A MultivariateDetectionResult kompatibilis a MutableMapping használatával
Visszatérési típus
Kivételek
detect_multivariate_last_anomaly
A kérés törzsének utolsó pontjában észlelt anomáliák.
Küldje el a többváltozós anomáliadetektálási feladatot a betanított modell és a következtetési adatok modelId azonosítójával, és a következtetési adatokat JSON formátumban kell a kérelem törzsébe helyezni. A kérés szinkronban fejeződik be, és azonnal visszaadja az észlelést a válasz törzsében.
detect_multivariate_last_anomaly(model_id: str, options: MultivariateLastDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateLastDetectionResult
Paraméterek
- options
- MultivariateLastDetectionOptions vagy <xref:JSON> vagy IO
Utolsó észlelés kérése. A következő típusok egyike: modell, JSON, IO Kötelező.
- content_type
- str
Tartalomtípus törzsparaméter. Ismert értékek: application/json. Az alapértelmezett érték Nincs.
Válaszok
MultivariateLastDetectionResult. A MultivariateLastDetectionResult kompatibilis a MutableMapping használatával
Visszatérési típus
Kivételek
detect_univariate_change_point
A teljes sorozat változási pontjának észlelése.
Minden adatsorpont változáspont-pontszámának kiértékelése.
detect_univariate_change_point(options: UnivariateChangePointDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateChangePointDetectionResult
Paraméterek
- options
- UnivariateChangePointDetectionOptions vagy <xref:JSON> vagy IO
Egyváltozós anomáliadetektálási módszer. A következő típusok egyike: modell, JSON, IO Kötelező.
- content_type
- str
Tartalomtípus törzsparaméter. Ismert értékek: application/json. Az alapértelmezett érték Nincs.
Válaszok
UnivariateChangePointDetectionResult. Az UnivariateChangePointDetectionResult kompatibilis a MutableMapping szolgáltatással
Visszatérési típus
Kivételek
detect_univariate_entire_series
A teljes sorozat rendellenességeinek észlelése kötegben.
Ez a művelet egy teljes sorozatú modellt hoz létre, és minden pontot ugyanazzal a modellel észlel. Ezzel a módszerrel egy adott pont előtti és utáni pontok segítségével állapítható meg, hogy anomáliáról van-e szó. A teljes észlelés általános állapotot adhat a felhasználónak az idősorhoz.
detect_univariate_entire_series(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateEntireDetectionResult
Paraméterek
- options
- UnivariateDetectionOptions vagy <xref:JSON> vagy IO
Egyváltozós anomáliadetektálási módszer. A következő típusok egyike: modell, JSON, IO Kötelező.
- content_type
- str
Tartalomtípus törzsparaméter. Ismert értékek: application/json. Az alapértelmezett érték Nincs.
Válaszok
UnivariateEntireDetectionResult. Az UnivariateEntireDetectionResult kompatibilis a MutableMapping használatával
Visszatérési típus
Kivételek
detect_univariate_last_point
Észleli az idősor legújabb pontjának anomáliadetektálását.
Ez a művelet létrehoz egy modellt az API-ba küldött pontok alapján, és az összes adat alapján megállapítja, hogy az utolsó pont rendellenes-e.
detect_univariate_last_point(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateLastDetectionResult
Paraméterek
- options
- UnivariateDetectionOptions vagy <xref:JSON> vagy IO
Egyváltozós anomáliadetektálási módszer. A következő típusok egyike: modell, JSON, IO Kötelező.
- content_type
- str
Tartalomtípus törzsparaméter. Ismert értékek: application/json. Az alapértelmezett érték Nincs.
Válaszok
UnivariateLastDetectionResult. Az UnivariateLastDetectionResult kompatibilis a MutableMapping használatával
Visszatérési típus
Kivételek
get_multivariate_batch_detection_result
Többváltozós anomáliadetektálási eredmény lekérése.
Az aszinkron következtetéshez a BatchDetectAnomaly API által visszaadott resultId alapján többváltozós anomáliadetektálási eredményt kap.
get_multivariate_batch_detection_result(result_id: str, **kwargs: Any) -> MultivariateDetectionResult
Paraméterek
Válaszok
MultivariateDetectionResult. A MultivariateDetectionResult kompatibilis a MutableMapping használatával
Visszatérési típus
Kivételek
get_multivariate_model
Többváltozós modell lekérése.
Részletes információk a többváltozós modellről, beleértve a betanítási állapotot és a modellben használt változókat.
get_multivariate_model(model_id: str, **kwargs: Any) -> AnomalyDetectionModel
Paraméterek
Válaszok
AnomalyDetectionModel. Az AnomalyDetectionModel kompatibilis a MutableMapping funkcióval
Visszatérési típus
Kivételek
list_multivariate_models
Többváltozós modellek listázása.
Erőforrás modelljeinek listázása.
list_multivariate_models(*, skip: int | None = None, top: int | None = None, **kwargs: Any) -> Iterable[AnomalyDetectionModel]
Paraméterek
- skip
- int
A kihagyás azt jelzi, hogy hány modell lesz kihagyva. Az alapértelmezett érték Nincs.
- top
- int
A felső azt jelzi, hogy hány modell lesz lekérve. Az alapértelmezett érték Nincs.
Válaszok
Egy iterátor, például az AnomalyDetectionModel példánya. Az AnomalyDetectionModel kompatibilis a MutableMapping funkcióval
Visszatérési típus
Kivételek
send_request
A hálózati kérést az ügyfél láncolt szabályzatain keresztül futtatja.
>>> from azure.core.rest import HttpRequest
>>> request = HttpRequest("GET", "https://www.example.org/")
<HttpRequest [GET], url: 'https://www.example.org/'>
>>> response = client.send_request(request)
<HttpResponse: 200 OK>
A kódfolyamattal kapcsolatos további információkért lásd: https://aka.ms/azsdk/dpcodegen/python/send_request
send_request(request: HttpRequest, **kwargs: Any) -> HttpResponse
Paraméterek
- stream
- bool
A válasz hasznos adatainak streamelése. Alapértelmezés szerint Hamis.
Válaszok
A hálózati hívás válasza. Nem végez hibakezelést a válaszon.
Visszatérési típus
train_multivariate_model
Többváltozós anomáliadetektálási modell betanítása.
Többváltozós anomáliadetektálási modell létrehozása és betanítása. A kérelemnek tartalmaznia kell egy forrásparamétert, amely egy külsőleg elérhető Azure Blob Storage URI-t jelez. Kétféle adatbevitel létezik: Az URI egy Azure Blob Storage-mappára mutat, amely több CSV-fájlt tartalmaz, és minden CSV-fájl két oszlopot, időbélyeget és változót tartalmaz. Egy másik típusú bemenet egy URI, amely egy CSV-fájlra mutat az Azure Blob Storage-ban, amely tartalmazza az összes változót és egy időbélyegoszlopot.
train_multivariate_model(model_info: ModelInfo | MutableMapping[str, Any] | IO, **kwargs: Any) -> AnomalyDetectionModel
Paraméterek
Modelladatok. A következő típusok egyike: modell, JSON, IO Kötelező.
- content_type
- str
Tartalomtípus törzsparaméter. Ismert értékek: application/json. Az alapértelmezett érték Nincs.
Válaszok
AnomalyDetectionModel. Az AnomalyDetectionModel kompatibilis a MutableMapping funkcióval
Visszatérési típus
Kivételek
Azure SDK for Python
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: