AnomalyDetectorClient Classe
L'API Rilevamento anomalie rileva automaticamente le anomalie nei dati delle serie temporali. Supporta due tipi di modalità, uno è per l'uso senza stato, un altro è per l'uso con stato. In modalità senza stato sono disponibili tre funzionalità. L'intero rilevamento consiste nel rilevare l'intera serie con il modello sottoposto a training dalla serie temporale, ultimo rilevamento rileva l'ultimo punto con il training del modello in base ai punti precedenti. ChangePoint Detect è per rilevare le modifiche delle tendenze nelle serie temporali. In modalità con stato, l'utente può archiviare le serie temporali, la serie temporale archiviata verrà usata per rilevare anomalie. In questa modalità, l'utente può comunque usare le tre funzionalità precedenti fornendo solo un intervallo di tempo senza preparare la serie temporale sul lato client. Oltre alle tre funzionalità precedenti, il modello con stato fornisce anche il servizio di rilevamento e etichettatura basato su gruppi. Sfruttando l'utente del servizio di etichettatura può fornire etichette per ogni risultato di rilevamento, queste etichette verranno usate per ricreare o rigenerare i modelli di rilevamento. Il rilevamento della incoerenza è un tipo di rilevamento basato su gruppo, questo rilevamento troverà quelli incoerenze in un set di serie temporali. Usando il servizio rilevamento anomalie, i clienti aziendali possono individuare eventi imprevisti e stabilire un flusso di logica per l'analisi della causa radice.
- Ereditarietà
-
azure.ai.anomalydetector.aio._operations._operations.AnomalyDetectorClientOperationsMixinAnomalyDetectorClient
Costruttore
AnomalyDetectorClient(endpoint: str, credential: AzureKeyCredential, **kwargs: Any)
Parametri
- endpoint
- str
Endpoint di Servizi cognitivi supportati (protocollo e nome host, ad esempio: https://westus2.api.cognitive.microsoft.com). Obbligatorio.
- credential
- AzureKeyCredential
Credenziali necessarie per la connessione del client ad Azure. Obbligatorio.
- api_version
- str
Versione api. Il valore predefinito è "v1.1". Si noti che l'override di questo valore predefinito può comportare un comportamento non supportato.
Metodi
close | |
delete_multivariate_model |
Eliminare il modello multivariato. Eliminare un modello multivariato esistente in base al modelId. |
detect_multivariate_batch_anomaly |
Rilevare un'anomalia multivariata. Inviare un'attività di rilevamento anomalie multivariata con il modelId dei dati di inferenza e modello sottoposto a training, lo schema di input deve essere lo stesso con la richiesta di training. La richiesta verrà completata in modo asincrono e restituirà un resultId per eseguire una query sul risultato del rilevamento. La richiesta deve essere un collegamento di origine per indicare un URI di archiviazione di Azure accessibile esternamente, che punta a una cartella di archiviazione BLOB di Azure o punta a un file CSV nell'archiviazione BLOB di Azure. |
detect_multivariate_last_anomaly |
Rilevare le anomalie nell'ultimo punto del corpo della richiesta. Inviare un'attività di rilevamento anomalie a più varianti con il modelId dei dati di inferenza e modello sottoposto a training e i dati di inferenza devono essere inseriti nel corpo della richiesta in un formato JSON. La richiesta verrà completata in modo sincrono e restituirà immediatamente il rilevamento nel corpo della risposta. |
detect_univariate_change_point |
Rilevare il punto di modifica per l'intera serie. Valutare il punteggio del punto di modifica di ogni punto della serie. |
detect_univariate_entire_series |
Rilevare le anomalie per l'intera serie in batch. Questa operazione genera un modello con un'intera serie, ogni punto viene rilevato con lo stesso modello. Con questo metodo, i punti prima e dopo un determinato punto vengono usati per determinare se si tratta di un'anomalia. L'intero rilevamento può fornire all'utente uno stato complessivo della serie temporale. |
detect_univariate_last_point |
Rilevare lo stato anomalie dell'ultimo punto della serie temporale. Questa operazione genera un modello usando i punti inviati all'API e in base a tutti i dati per determinare se l'ultimo punto è anomalo. |
get_multivariate_batch_detection_result |
Ottiene il risultato del rilevamento anomalie multivariato. Per l'inferenza asincrona, ottenere il risultato del rilevamento anomalie multivariato in base a resultId restituito dall'API BatchDetectAnomaly. |
get_multivariate_model |
Ottenere un modello multivariato. Ottenere informazioni dettagliate sul modello multivariato, tra cui lo stato del training e le variabili usate nel modello. |
list_multivariate_models |
Elencare modelli multivariati. Elencare i modelli di una risorsa. |
send_request |
Esegue la richiesta di rete tramite i criteri concatenati del client.
Per altre informazioni su questo flusso di codice, vedere https://aka.ms/azsdk/dpcodegen/python/send_request |
train_multivariate_model |
Eseguire il training di un modello di rilevamento anomalie multivariato. Creare ed eseguire il training di un modello di rilevamento anomalie multivariato. La richiesta deve includere un parametro di origine per indicare un URI di archiviazione BLOB di Azure accessibile esternamente. Esistono due tipi di input dati: un URI punta a una cartella di archiviazione BLOB di Azure contenente più file CSV e ogni file CSV contiene due colonne, timestamp e variabile. Un altro tipo di input è un URI che punta a un file CSV nell'archiviazione BLOB di Azure, che contiene tutte le variabili e una colonna timestamp. |
close
async close() -> None
delete_multivariate_model
Eliminare il modello multivariato.
Eliminare un modello multivariato esistente in base al modelId.
async delete_multivariate_model(model_id: str, **kwargs: Any) -> None
Parametri
Restituisce
Nessuno
Tipo restituito
Eccezioni
detect_multivariate_batch_anomaly
Rilevare un'anomalia multivariata.
Inviare un'attività di rilevamento anomalie multivariata con il modelId dei dati di inferenza e modello sottoposto a training, lo schema di input deve essere lo stesso con la richiesta di training. La richiesta verrà completata in modo asincrono e restituirà un resultId per eseguire una query sul risultato del rilevamento. La richiesta deve essere un collegamento di origine per indicare un URI di archiviazione di Azure accessibile esternamente, che punta a una cartella di archiviazione BLOB di Azure o punta a un file CSV nell'archiviazione BLOB di Azure.
async detect_multivariate_batch_anomaly(model_id: str, options: MultivariateBatchDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateDetectionResult
Parametri
- options
- MultivariateBatchDetectionOptions oppure <xref:JSON> oppure IO
Richiesta di rilevamento anomalie multivariate. È uno dei tipi seguenti: model, JSON, I/O Required.
- content_type
- str
Parametro Body Content-Type. I valori noti sono: application/json. Il valore predefinito è Nessuno.
Restituisce
MultivariateDetectionResult. MultivariateDetectionResult è compatibile con MutableMapping
Tipo restituito
Eccezioni
detect_multivariate_last_anomaly
Rilevare le anomalie nell'ultimo punto del corpo della richiesta.
Inviare un'attività di rilevamento anomalie a più varianti con il modelId dei dati di inferenza e modello sottoposto a training e i dati di inferenza devono essere inseriti nel corpo della richiesta in un formato JSON. La richiesta verrà completata in modo sincrono e restituirà immediatamente il rilevamento nel corpo della risposta.
async detect_multivariate_last_anomaly(model_id: str, options: MultivariateLastDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateLastDetectionResult
Parametri
- options
- MultivariateLastDetectionOptions oppure <xref:JSON> oppure IO
Richiesta dell'ultimo rilevamento. È uno dei tipi seguenti: model, JSON, I/O Required.
- content_type
- str
Parametro Body Content-Type. I valori noti sono: application/json. Il valore predefinito è Nessuno.
Restituisce
MultivariateLastDetectionResult. MultivariateLastDetectionResult è compatibile con MutableMapping
Tipo restituito
Eccezioni
detect_univariate_change_point
Rilevare il punto di modifica per l'intera serie.
Valutare il punteggio del punto di modifica di ogni punto della serie.
async detect_univariate_change_point(options: UnivariateChangePointDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateChangePointDetectionResult
Parametri
- options
- UnivariateChangePointDetectionOptions oppure <xref:JSON> oppure IO
Metodo di rilevamento anomalie univariato. È uno dei tipi seguenti: model, JSON, I/O Required.
- content_type
- str
Parametro Body Content-Type. I valori noti sono: application/json. Il valore predefinito è Nessuno.
Restituisce
UnivariateChangePointDetectionResult. UnivariateChangePointDetectionResult è compatibile con MutableMapping
Tipo restituito
Eccezioni
detect_univariate_entire_series
Rilevare le anomalie per l'intera serie in batch.
Questa operazione genera un modello con un'intera serie, ogni punto viene rilevato con lo stesso modello. Con questo metodo, i punti prima e dopo un determinato punto vengono usati per determinare se si tratta di un'anomalia. L'intero rilevamento può fornire all'utente uno stato complessivo della serie temporale.
async detect_univariate_entire_series(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateEntireDetectionResult
Parametri
- options
- UnivariateDetectionOptions oppure <xref:JSON> oppure IO
Metodo di rilevamento anomalie univariato. È uno dei tipi seguenti: model, JSON, I/O Required.
- content_type
- str
Parametro Body Content-Type. I valori noti sono: application/json. Il valore predefinito è Nessuno.
Restituisce
UnivariateEntireDetectionResult. UnivariateEntireDetectionResult è compatibile con MutableMapping
Tipo restituito
Eccezioni
detect_univariate_last_point
Rilevare lo stato anomalie dell'ultimo punto della serie temporale.
Questa operazione genera un modello usando i punti inviati all'API e in base a tutti i dati per determinare se l'ultimo punto è anomalo.
async detect_univariate_last_point(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateLastDetectionResult
Parametri
- options
- UnivariateDetectionOptions oppure <xref:JSON> oppure IO
Metodo di rilevamento anomalie univariato. È uno dei tipi seguenti: model, JSON, I/O Required.
- content_type
- str
Parametro Body Content-Type. I valori noti sono: application/json. Il valore predefinito è Nessuno.
Restituisce
UnivariateLastDetectionResult. UnivariateLastDetectionResult è compatibile con MutableMapping
Tipo restituito
Eccezioni
get_multivariate_batch_detection_result
Ottiene il risultato del rilevamento anomalie multivariato.
Per l'inferenza asincrona, ottenere il risultato del rilevamento anomalie multivariato in base a resultId restituito dall'API BatchDetectAnomaly.
async get_multivariate_batch_detection_result(result_id: str, **kwargs: Any) -> MultivariateDetectionResult
Parametri
Restituisce
MultivariateDetectionResult. MultivariateDetectionResult è compatibile con MutableMapping
Tipo restituito
Eccezioni
get_multivariate_model
Ottenere un modello multivariato.
Ottenere informazioni dettagliate sul modello multivariato, tra cui lo stato del training e le variabili usate nel modello.
async get_multivariate_model(model_id: str, **kwargs: Any) -> AnomalyDetectionModel
Parametri
Restituisce
AnomalyDetectionModel. AnomalyDetectionModel è compatibile con MutableMapping
Tipo restituito
Eccezioni
list_multivariate_models
Elencare modelli multivariati.
Elencare i modelli di una risorsa.
list_multivariate_models(*, skip: int | None = None, top: int | None = None, **kwargs: Any) -> AsyncIterable[AnomalyDetectionModel]
Parametri
- skip
- int
Skip indica il numero di modelli ignorati. Il valore predefinito è Nessuno.
- top
- int
In alto viene indicato il numero di modelli recuperati. Il valore predefinito è Nessuno.
Restituisce
Iteratore come istanza di AnomalyDetectionModel. AnomalyDetectionModel è compatibile con MutableMapping
Tipo restituito
Eccezioni
send_request
Esegue la richiesta di rete tramite i criteri concatenati del client.
>>> from azure.core.rest import HttpRequest
>>> request = HttpRequest("GET", "https://www.example.org/")
<HttpRequest [GET], url: 'https://www.example.org/'>
>>> response = await client.send_request(request)
<AsyncHttpResponse: 200 OK>
Per altre informazioni su questo flusso di codice, vedere https://aka.ms/azsdk/dpcodegen/python/send_request
send_request(request: HttpRequest, **kwargs: Any) -> Awaitable[AsyncHttpResponse]
Parametri
- stream
- bool
Indica se il payload della risposta verrà trasmesso. Il valore predefinito è False.
Restituisce
Risposta della chiamata di rete. Non esegue la gestione degli errori nella risposta.
Tipo restituito
train_multivariate_model
Eseguire il training di un modello di rilevamento anomalie multivariato.
Creare ed eseguire il training di un modello di rilevamento anomalie multivariato. La richiesta deve includere un parametro di origine per indicare un URI di archiviazione BLOB di Azure accessibile esternamente. Esistono due tipi di input dati: un URI punta a una cartella di archiviazione BLOB di Azure contenente più file CSV e ogni file CSV contiene due colonne, timestamp e variabile. Un altro tipo di input è un URI che punta a un file CSV nell'archiviazione BLOB di Azure, che contiene tutte le variabili e una colonna timestamp.
async train_multivariate_model(model_info: ModelInfo | MutableMapping[str, Any] | IO, **kwargs: Any) -> AnomalyDetectionModel
Parametri
Informazioni sul modello. È uno dei tipi seguenti: modello, JSON, IO Obbligatorio.
- content_type
- str
Parametro corpo Content-Type. I valori noti sono: application/json. Il valore predefinito è Nessuno.
Restituisce
AnomalyDetectionModel. AnomalyDetectionModel è compatibile con MutableMapping
Tipo restituito
Eccezioni
Azure SDK for Python
Commenti e suggerimenti
https://aka.ms/ContentUserFeedback.
Presto disponibile: Nel corso del 2024 verranno gradualmente disattivati i problemi di GitHub come meccanismo di feedback per il contenuto e ciò verrà sostituito con un nuovo sistema di feedback. Per altre informazioni, vedereInvia e visualizza il feedback per