DetectChangePointRequest interface

Paket:

@azure/ai-anomaly-detector

Permintaan deteksi titik perubahan.

Properti

customInterval	Interval Kustom digunakan untuk mengatur interval waktu non-standar, misalnya, jika seri adalah 5 menit, permintaan dapat diatur sebagai {"granularity":"menitly", "customInterval":5}.
granularity	Hanya bisa menjadi salah satu dari tahunan, bulanan, mingguan, harian, per jam, menit atau kedua. Granularitas digunakan untuk memverifikasi apakah seri input valid.
period	Argumen opsional, nilai berkala dari rangkaian waktu. Jika nilainya null atau tidak ada, API akan menentukan periode secara otomatis.
series	Titik data rangkaian waktu. Titik harus diurutkan menurut tanda waktu dalam urutan naik agar sesuai dengan hasil deteksi titik perubahan.
stableTrendWindow	Argumen opsional, parameter model tingkat lanjut, stableTrendWindow default akan digunakan dalam deteksi.
threshold	Argumen opsional, parameter model tingkat lanjut, antara 0,0-1,0, semakin rendah nilainya, semakin besar kesalahan tren yang berarti lebih sedikit titik perubahan akan diterima.

Detail Properti

customInterval

Interval Kustom digunakan untuk mengatur interval waktu non-standar, misalnya, jika seri adalah 5 menit, permintaan dapat diatur sebagai {"granularity":"menitly", "customInterval":5}.

customInterval?: number

Nilai Properti

number

granularity

Hanya bisa menjadi salah satu dari tahunan, bulanan, mingguan, harian, per jam, menit atau kedua. Granularitas digunakan untuk memverifikasi apakah seri input valid.

granularity: TimeGranularity

Nilai Properti

TimeGranularity

period

Argumen opsional, nilai berkala dari rangkaian waktu. Jika nilainya null atau tidak ada, API akan menentukan periode secara otomatis.

period?: number

Nilai Properti

number

series

Titik data rangkaian waktu. Titik harus diurutkan menurut tanda waktu dalam urutan naik agar sesuai dengan hasil deteksi titik perubahan.

series: TimeSeriesPoint[]

Nilai Properti

TimeSeriesPoint[]

stableTrendWindow

Argumen opsional, parameter model tingkat lanjut, stableTrendWindow default akan digunakan dalam deteksi.

stableTrendWindow?: number

Nilai Properti

number

threshold

Argumen opsional, parameter model tingkat lanjut, antara 0,0-1,0, semakin rendah nilainya, semakin besar kesalahan tren yang berarti lebih sedikit titik perubahan akan diterima.

threshold?: number

Nilai Properti

number