Bagikan melalui


AnomalyDetectorClient class

Kelas klien untuk berinteraksi dengan layanan Azure Anomaly Detector.

Memperluas

Konstruktor

AnomalyDetectorClient(string, TokenCredential | KeyCredential, PipelineOptions)

Membuat instans AnomalyDetectorClient.

Contoh penggunaan:

import { AnomalyDetectorClient, AzureKeyCredential } from "@azure/ai-anomaly-detector";

const client = new AnomalyDetectorClient(
   "<service endpoint>",
   new AzureKeyCredential("<api key>")
);

Properti yang Diwariskan

apiVersion
endpoint

Metode yang Diwarisi

deleteMultivariateModel(string, AnomalyDetectorDeleteMultivariateModelOptionalParams)

Menghapus model multivariat yang ada sesuai dengan modelId

detectAnomaly(string, DetectionRequest, AnomalyDetectorDetectAnomalyOptionalParams)

Kirim tugas anomali multivariat deteksi dengan model terlatih modelId, skema input harus sama dengan permintaan pelatihan. Dengan demikian permintaan akan selesai secara asinkron dan akan mengembalikan resultId untuk mengkueri hasil deteksi. Permintaan harus berupa tautan sumber untuk menunjukkan Uri penyimpanan Azure yang dapat diakses secara eksternal (sebaiknya Uri Tanda Tangan Akses Bersama). Semua rangkaian waktu yang digunakan dalam menghasilkan model harus di-zip ke dalam satu file tunggal. Setiap rangkaian waktu adalah sebagai berikut: kolom pertama adalah tanda waktu dan kolom kedua adalah nilai.

detectChangePoint(DetectChangePointRequest, AnomalyDetectorDetectChangePointOptionalParams)

Mengevaluasi skor titik perubahan dari setiap titik seri

detectEntireSeries(DetectRequest, AnomalyDetectorDetectEntireSeriesOptionalParams)

Operasi ini menghasilkan model dengan seluruh seri, setiap titik terdeteksi dengan model yang sama. Dengan metode ini, poin sebelum dan sesudah titik tertentu digunakan untuk menentukan apakah itu anomali. Seluruh deteksi dapat memberi pengguna status keseluruhan rangkaian waktu.

detectLastPoint(DetectRequest, AnomalyDetectorDetectLastPointOptionalParams)

Operasi ini menghasilkan model menggunakan titik sebelum yang terbaru. Dengan metode ini, hanya titik historis yang digunakan untuk menentukan apakah titik target adalah anomali. Operasi deteksi titik terbaru cocok dengan skenario pemantauan metrik bisnis secara real time.

exportModel(string, AnomalyDetectorExportModelOptionalParams)

Mengekspor model deteksi anomali multivariat berdasarkan modelId

getDetectionResult(string, AnomalyDetectorGetDetectionResultOptionalParams)

Dapatkan hasil deteksi anomali multivariat berdasarkan resultId yang dikembalikan oleh api DetectAnomalyAsync

getMultivariateModel(string, AnomalyDetectorGetMultivariateModelOptionalParams)

Dapatkan informasi terperinci tentang model multivariat, termasuk status pelatihan dan variabel yang digunakan dalam model.

lastDetectAnomaly(string, LastDetectionRequest, AnomalyDetectorLastDetectAnomalyOptionalParams)

API yang disinkronkan untuk deteksi anomali.

listMultivariateModel(AnomalyDetectorListMultivariateModelOptionalParams)

Mencantumkan model langganan

sendOperationRequest(OperationArguments, OperationSpec, ServiceCallback<any>)

Kirim permintaan HTTP yang diisi menggunakan OperationSpec yang disediakan.

sendRequest(RequestPrepareOptions | WebResourceLike)

Kirim httpRequest yang disediakan.

trainMultivariateModel(AnomalyDetectorClientModelInfo, AnomalyDetectorTrainMultivariateModelOptionalParams)

Membuat dan melatih model deteksi anomali multivariat. Permintaan harus menyertakan parameter sumber untuk menunjukkan Uri penyimpanan Azure yang dapat diakses secara eksternal (sebaiknya Uri Tanda Tangan Akses Bersama). Semua rangkaian waktu yang digunakan dalam menghasilkan model harus di-zip ke dalam satu file tunggal. Setiap rangkaian waktu akan berada dalam satu file CSV di mana kolom pertama adalah tanda waktu dan kolom kedua adalah nilai.

Detail Konstruktor

AnomalyDetectorClient(string, TokenCredential | KeyCredential, PipelineOptions)

Membuat instans AnomalyDetectorClient.

Contoh penggunaan:

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)

Parameter

endpointUrl

string

Url ke titik akhir layanan Detektor Anomali Azure

credential

TokenCredential | KeyCredential

Digunakan untuk mengautentikasi permintaan ke layanan.

options
PipelineOptions

Digunakan untuk mengonfigurasi klien Form Recognizer.

Detail Properti yang Diwariskan

apiVersion

apiVersion: string

Nilai Properti

string

Diwariskan DariAnomalyDetector.apiVersion

endpoint

endpoint: string

Nilai Properti

string

Diwarisi Dari AnomalyDetector.endpoint

Detail Metode yang Diwarisi

deleteMultivariateModel(string, AnomalyDetectorDeleteMultivariateModelOptionalParams)

Menghapus model multivariat yang ada sesuai dengan modelId

function deleteMultivariateModel(modelId: string, options?: AnomalyDetectorDeleteMultivariateModelOptionalParams): Promise<RestResponse>

Parameter

modelId

string

Pengidentifikasi model.

Mengembalikan

Promise<RestResponse>

Diwarisi DariAnomalyDetector.deleteMultivariateModel

detectAnomaly(string, DetectionRequest, AnomalyDetectorDetectAnomalyOptionalParams)

Kirim tugas anomali multivariat deteksi dengan model terlatih modelId, skema input harus sama dengan permintaan pelatihan. Dengan demikian permintaan akan selesai secara asinkron dan akan mengembalikan resultId untuk mengkueri hasil deteksi. Permintaan harus berupa tautan sumber untuk menunjukkan Uri penyimpanan Azure yang dapat diakses secara eksternal (sebaiknya Uri Tanda Tangan Akses Bersama). Semua rangkaian waktu yang digunakan dalam menghasilkan model harus di-zip ke dalam satu file tunggal. Setiap rangkaian waktu adalah sebagai berikut: kolom pertama adalah tanda waktu dan kolom kedua adalah nilai.

function detectAnomaly(modelId: string, body: DetectionRequest, options?: AnomalyDetectorDetectAnomalyOptionalParams): Promise<AnomalyDetectorDetectAnomalyResponse>

Parameter

modelId

string

Pengidentifikasi model.

body
DetectionRequest

Mendeteksi permintaan anomali

Mengembalikan

Diwarisi DariAnomalyDetector.detectAnomaly

detectChangePoint(DetectChangePointRequest, AnomalyDetectorDetectChangePointOptionalParams)

Mengevaluasi skor titik perubahan dari setiap titik seri

function detectChangePoint(body: DetectChangePointRequest, options?: AnomalyDetectorDetectChangePointOptionalParams): Promise<AnomalyDetectorDetectChangePointResponse>

Parameter

body
DetectChangePointRequest

Titik rangkaian waktu dan granularitas diperlukan. Parameter model tingkat lanjut juga dapat diatur dalam permintaan jika diperlukan.

Mengembalikan

Diwariskan DariAnomalyDetector.detectChangePoint

detectEntireSeries(DetectRequest, AnomalyDetectorDetectEntireSeriesOptionalParams)

Operasi ini menghasilkan model dengan seluruh seri, setiap titik terdeteksi dengan model yang sama. Dengan metode ini, poin sebelum dan sesudah titik tertentu digunakan untuk menentukan apakah itu anomali. Seluruh deteksi dapat memberi pengguna status keseluruhan rangkaian waktu.

function detectEntireSeries(body: DetectRequest, options?: AnomalyDetectorDetectEntireSeriesOptionalParams): Promise<AnomalyDetectorDetectEntireSeriesResponse>

Parameter

body
DetectRequest

Titik dan periode rangkaian waktu jika diperlukan. Parameter model tingkat lanjut juga dapat diatur dalam permintaan.

Mengembalikan

Diwarisi DariAnomalyDetector.detectEntireSeries

detectLastPoint(DetectRequest, AnomalyDetectorDetectLastPointOptionalParams)

Operasi ini menghasilkan model menggunakan titik sebelum yang terbaru. Dengan metode ini, hanya titik historis yang digunakan untuk menentukan apakah titik target adalah anomali. Operasi deteksi titik terbaru cocok dengan skenario pemantauan metrik bisnis secara real time.

function detectLastPoint(body: DetectRequest, options?: AnomalyDetectorDetectLastPointOptionalParams): Promise<AnomalyDetectorDetectLastPointResponse>

Parameter

body
DetectRequest

Titik dan periode rangkaian waktu jika diperlukan. Parameter model tingkat lanjut juga dapat diatur dalam permintaan.

Mengembalikan

Diwariskan DariAnomalyDetector.detectLastPoint

exportModel(string, AnomalyDetectorExportModelOptionalParams)

Mengekspor model deteksi anomali multivariat berdasarkan modelId

function exportModel(modelId: string, options?: AnomalyDetectorExportModelOptionalParams): Promise<AnomalyDetectorExportModelResponse>

Parameter

modelId

string

Pengidentifikasi model.

Mengembalikan

Diwarisi DariAnomalyDetector.exportModel

getDetectionResult(string, AnomalyDetectorGetDetectionResultOptionalParams)

Dapatkan hasil deteksi anomali multivariat berdasarkan resultId yang dikembalikan oleh api DetectAnomalyAsync

function getDetectionResult(resultId: string, options?: AnomalyDetectorGetDetectionResultOptionalParams): Promise<AnomalyDetectorGetDetectionResultResponse>

Parameter

resultId

string

Pengidentifikasi hasil.

Mengembalikan

Diwariskan DariAnomalyDetector.getDetectionResult

getMultivariateModel(string, AnomalyDetectorGetMultivariateModelOptionalParams)

Dapatkan informasi terperinci tentang model multivariat, termasuk status pelatihan dan variabel yang digunakan dalam model.

function getMultivariateModel(modelId: string, options?: AnomalyDetectorGetMultivariateModelOptionalParams): Promise<AnomalyDetectorGetMultivariateModelResponse>

Parameter

modelId

string

Pengidentifikasi model.

Mengembalikan

Diwarisi DariAnomalyDetector.getMultivariateModel

lastDetectAnomaly(string, LastDetectionRequest, AnomalyDetectorLastDetectAnomalyOptionalParams)

API yang disinkronkan untuk deteksi anomali.

function lastDetectAnomaly(modelId: string, body: LastDetectionRequest, options?: AnomalyDetectorLastDetectAnomalyOptionalParams): Promise<AnomalyDetectorLastDetectAnomalyResponse>

Parameter

modelId

string

Pengidentifikasi model.

body
LastDetectionRequest

Permintaan deteksi terakhir.

Mengembalikan

Diwarisi DariAnomalyDetector.lastDetectAnomaly

listMultivariateModel(AnomalyDetectorListMultivariateModelOptionalParams)

Mencantumkan model langganan

function listMultivariateModel(options?: AnomalyDetectorListMultivariateModelOptionalParams): PagedAsyncIterableIterator<AnomalyDetectorClientModelSnapshot, AnomalyDetectorClientModelSnapshot[], PageSettings>

Parameter

Mengembalikan

Diwariskan DariAnomalyDetector.listMultivariateModel

sendOperationRequest(OperationArguments, OperationSpec, ServiceCallback<any>)

Kirim permintaan HTTP yang diisi menggunakan OperationSpec yang disediakan.

function sendOperationRequest(operationArguments: OperationArguments, operationSpec: OperationSpec, callback?: ServiceCallback<any>): Promise<RestResponse>

Parameter

operationArguments
OperationArguments

Argumen tempat nilai templat permintaan HTTP akan diisi.

operationSpec
OperationSpec

OperationSpec yang digunakan untuk mengisi httpRequest.

callback

ServiceCallback<any>

Panggilan balik untuk memanggil saat respons diterima.

Mengembalikan

Promise<RestResponse>

Diwariskan DariAnomalyDetector.sendOperationRequest

sendRequest(RequestPrepareOptions | WebResourceLike)

Kirim httpRequest yang disediakan.

function sendRequest(options: RequestPrepareOptions | WebResourceLike): Promise<HttpOperationResponse>

Parameter

Mengembalikan

Diwariskan DariAnomalyDetector.sendRequest

trainMultivariateModel(AnomalyDetectorClientModelInfo, AnomalyDetectorTrainMultivariateModelOptionalParams)

Membuat dan melatih model deteksi anomali multivariat. Permintaan harus menyertakan parameter sumber untuk menunjukkan Uri penyimpanan Azure yang dapat diakses secara eksternal (sebaiknya Uri Tanda Tangan Akses Bersama). Semua rangkaian waktu yang digunakan dalam menghasilkan model harus di-zip ke dalam satu file tunggal. Setiap rangkaian waktu akan berada dalam satu file CSV di mana kolom pertama adalah tanda waktu dan kolom kedua adalah nilai.

function trainMultivariateModel(body: AnomalyDetectorClientModelInfo, options?: AnomalyDetectorTrainMultivariateModelOptionalParams): Promise<AnomalyDetectorTrainMultivariateModelResponse>

Parameter

body
AnomalyDetectorClientModelInfo

Permintaan pelatihan

Mengembalikan

Diwarisi DariAnomalyDetector.trainMultivariateModel