AnomalyDetectorClient 클래스
Anomaly Detector API는 시계열 데이터에서 자동으로 변칙을 검색합니다. 두 가지 종류의 모드를 지원합니다. 하나는 상태 비저장 사용을 위한 모드이고, 다른 하나는 상태 저장 사용을 위한 것입니다. 상태 비지정 모드에는 세 가지 기능이 있습니다. 전체 검색은 시계열에서 학습된 모델을 사용하여 전체 계열을 검색하는 것입니다. 마지막 검색은 이전 지점에서 학습된 모델을 사용하여 마지막 지점을 검색합니다. ChangePoint Detect는 시계열의 추세 변화를 검색하기 위한 것입니다. 상태 저장 모드에서 사용자는 시계열을 저장할 수 있으며 저장된 시계열은 검색 변칙에 사용됩니다. 이 모드에서 사용자는 클라이언트 쪽에서 시계열을 준비하지 않고 시간 범위만 제공하여 위의 세 가지 기능을 계속 사용할 수 있습니다. 위의 세 가지 기능 외에도 상태 저장 모델은 그룹 기반 검색 및 레이블 지정 서비스도 제공합니다. 레이블 지정 서비스 사용자가 각 검색 결과에 대한 레이블을 제공할 수 있으므로 이러한 레이블은 검색 모델을 다시 튜닝하거나 다시 생성하는 데 사용됩니다. 불일치 검색은 일종의 그룹 기반 검색이며, 이 검색은 시계열 집합에서 불일치를 찾습니다. 비즈니스 고객은 변칙 탐지기 서비스를 사용하여 인시던트 검색 및 근본 원인 분석을 위한 논리 흐름을 설정할 수 있습니다.
- 상속
-
azure.ai.anomalydetector._operations._operations.AnomalyDetectorClientOperationsMixinAnomalyDetectorClient
생성자
AnomalyDetectorClient(endpoint: str, credential: AzureKeyCredential, **kwargs: Any)
매개 변수
- endpoint
- str
지원되는 Cognitive Services 엔드포인트(프로토콜 및 호스트 이름( 예: https://westus2.api.cognitive.microsoft.com). 필수 사항입니다.
- api_version
- str
API 버전. 기본값은 "v1.1"입니다. 이 기본값을 재정의하면 지원되지 않는 동작이 발생할 수 있습니다.
메서드
close | |
delete_multivariate_model |
다변량 모델을 삭제합니다. modelId에 따라 기존 다변량 모델을 삭제합니다. |
detect_multivariate_batch_anomaly |
다변량 변칙을 검색합니다. 학습된 모델 및 유추 데이터의 modelId를 사용하여 다변량 변칙 검색 작업을 제출합니다. 입력 스키마는 학습 요청과 동일해야 합니다. 요청은 비동기적으로 완료되고 resultId를 반환하여 검색 결과를 쿼리합니다. 요청은 외부에서 액세스할 수 있는 Azure Storage Uri를 나타내거나, Azure Blob Storage 폴더를 가리키거나, Azure Blob Storage의 CSV 파일을 가리키는 원본 링크여야 합니다. |
detect_multivariate_last_anomaly |
요청 본문의 마지막 지점에서 변칙을 검색합니다. 학습된 모델 및 유추 데이터의 modelId를 사용하여 다변량 변칙 검색 작업을 제출하고 유추 데이터를 JSON 형식으로 요청 본문에 넣어야 합니다. 요청은 동기적으로 완료되고 응답 본문에서 즉시 검색을 반환합니다. |
detect_univariate_change_point |
전체 계열의 변경 지점을 검색합니다. 모든 계열 지점의 변경 지점 점수를 평가합니다. |
detect_univariate_entire_series |
일괄 처리로 전체 계열에 대한 변칙을 검색합니다. 이 작업은 전체 계열이 있는 모델을 생성하며, 각 지점은 동일한 모델로 검색됩니다. 이 메서드를 사용하면 특정 지점 전후의 지점들이 사용되어 이 특정 지점이 변칙인지 확인합니다. 전체 검색은 사용자에게 시계열의 전체 상태 제공할 수 있습니다. |
detect_univariate_last_point |
시계열의 최신 시점의 변칙 상태 검색합니다. 이 작업은 API로 보낸 지점을 사용하고 모든 데이터를 기반으로 마지막 지점이 비정상인지 여부를 확인하는 모델을 생성합니다. |
get_multivariate_batch_detection_result |
다변량 변칙 검색 결과를 가져옵니다. 비동기 유추의 경우 BatchDetectAnomaly api에서 반환된 resultId에 따라 다변량 변칙 검색 결과를 가져옵니다. |
get_multivariate_model |
다변량 모델을 가져옵니다. 모델에 사용된 학습 상태와 변수를 포함해 다변량 모델에 대한 자세한 정보를 가져옵니다. |
list_multivariate_models |
다변량 모델을 나열합니다. 리소스의 모델을 나열합니다. |
send_request |
클라이언트의 연결된 정책을 통해 네트워크 요청을 실행합니다.
이 코드 흐름에 대한 자세한 내용은 https://aka.ms/azsdk/dpcodegen/python/send_request |
train_multivariate_model |
다변량 변칙 검색 모델을 학습합니다. 다변량 변칙 검색 모델을 만들고 학습합니다. 요청에는 외부에서 액세스할 수 있는 Azure Blob Storage URI를 나타내는 원본 매개 변수가 포함되어야 합니다. 데이터 입력에는 두 가지 유형이 있습니다. 여러 CSV 파일이 포함된 Azure Blob Storage 폴더를 가리키는 URI와 각 CSV 파일에는 타임스탬프와 변수라는 두 개의 열이 포함됩니다. 다른 유형의 입력은 모든 변수와 타임스탬프 열을 포함하는 Azure Blob Storage의 CSV 파일을 가리키는 URI입니다. |
close
close() -> None
delete_multivariate_model
다변량 모델을 삭제합니다.
modelId에 따라 기존 다변량 모델을 삭제합니다.
delete_multivariate_model(model_id: str, **kwargs: Any) -> None
매개 변수
반환
없음
반환 형식
예외
detect_multivariate_batch_anomaly
다변량 변칙을 검색합니다.
학습된 모델 및 유추 데이터의 modelId를 사용하여 다변량 변칙 검색 작업을 제출합니다. 입력 스키마는 학습 요청과 동일해야 합니다. 요청은 비동기적으로 완료되고 resultId를 반환하여 검색 결과를 쿼리합니다. 요청은 외부에서 액세스할 수 있는 Azure Storage Uri를 나타내거나, Azure Blob Storage 폴더를 가리키거나, Azure Blob Storage의 CSV 파일을 가리키는 원본 링크여야 합니다.
detect_multivariate_batch_anomaly(model_id: str, options: MultivariateBatchDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateDetectionResult
매개 변수
- options
- MultivariateBatchDetectionOptions 또는 <xref:JSON> 또는 IO
다변량 변칙 검색 요청. 모델, JSON, IO 필수 유형 중 하나입니다.
- content_type
- str
본문 매개 변수 Content-Type. 알려진 값은 application/json입니다. 기본값은 없음입니다.
반환
MultivariateDetectionResult. MultivariateDetectionResult는 MutableMapping과 호환됩니다.
반환 형식
예외
detect_multivariate_last_anomaly
요청 본문의 마지막 지점에서 변칙을 검색합니다.
학습된 모델 및 유추 데이터의 modelId를 사용하여 다변량 변칙 검색 작업을 제출하고 유추 데이터를 JSON 형식으로 요청 본문에 넣어야 합니다. 요청은 동기적으로 완료되고 응답 본문에서 즉시 검색을 반환합니다.
detect_multivariate_last_anomaly(model_id: str, options: MultivariateLastDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateLastDetectionResult
매개 변수
- options
- MultivariateLastDetectionOptions 또는 <xref:JSON> 또는 IO
마지막 검색 요청입니다. 모델, JSON, IO 필수 유형 중 하나입니다.
- content_type
- str
본문 매개 변수 Content-Type. 알려진 값은 application/json입니다. 기본값은 없음입니다.
반환
MultivariateLastDetectionResult. MultivariateLastDetectionResult는 MutableMapping과 호환됩니다.
반환 형식
예외
detect_univariate_change_point
전체 계열의 변경 지점을 검색합니다.
모든 계열 지점의 변경 지점 점수를 평가합니다.
detect_univariate_change_point(options: UnivariateChangePointDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateChangePointDetectionResult
매개 변수
- options
- UnivariateChangePointDetectionOptions 또는 <xref:JSON> 또는 IO
단변량 변칙 검색 방법입니다. 모델, JSON, IO 필수 유형 중 하나입니다.
- content_type
- str
본문 매개 변수 Content-Type. 알려진 값은 application/json입니다. 기본값은 없음입니다.
반환
UnivariateChangePointDetectionResult. UnivariateChangePointDetectionResult는 MutableMapping과 호환됩니다.
반환 형식
예외
detect_univariate_entire_series
일괄 처리로 전체 계열에 대한 변칙을 검색합니다.
이 작업은 전체 계열이 있는 모델을 생성하며, 각 지점은 동일한 모델로 검색됩니다. 이 메서드를 사용하면 특정 지점 전후의 지점들이 사용되어 이 특정 지점이 변칙인지 확인합니다. 전체 검색은 사용자에게 시계열의 전체 상태 제공할 수 있습니다.
detect_univariate_entire_series(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateEntireDetectionResult
매개 변수
- options
- UnivariateDetectionOptions 또는 <xref:JSON> 또는 IO
단변량 변칙 검색 방법입니다. 모델, JSON, IO 필수 유형 중 하나입니다.
- content_type
- str
본문 매개 변수 Content-Type. 알려진 값은 application/json입니다. 기본값은 없음입니다.
반환
UnivariateEntireDetectionResult. UnivariateEntireDetectionResult는 MutableMapping과 호환됩니다.
반환 형식
예외
detect_univariate_last_point
시계열의 최신 시점의 변칙 상태 검색합니다.
이 작업은 API로 보낸 지점을 사용하고 모든 데이터를 기반으로 마지막 지점이 비정상인지 여부를 확인하는 모델을 생성합니다.
detect_univariate_last_point(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateLastDetectionResult
매개 변수
- options
- UnivariateDetectionOptions 또는 <xref:JSON> 또는 IO
단변량 변칙 검색 방법입니다. 모델, JSON, IO 필수 유형 중 하나입니다.
- content_type
- str
본문 매개 변수 Content-Type. 알려진 값은 application/json입니다. 기본값은 없음입니다.
반환
UnivariateLastDetectionResult. UnivariateLastDetectionResult는 MutableMapping과 호환됩니다.
반환 형식
예외
get_multivariate_batch_detection_result
다변량 변칙 검색 결과를 가져옵니다.
비동기 유추의 경우 BatchDetectAnomaly api에서 반환된 resultId에 따라 다변량 변칙 검색 결과를 가져옵니다.
get_multivariate_batch_detection_result(result_id: str, **kwargs: Any) -> MultivariateDetectionResult
매개 변수
반환
MultivariateDetectionResult. MultivariateDetectionResult는 MutableMapping과 호환됩니다.
반환 형식
예외
get_multivariate_model
다변량 모델을 가져옵니다.
모델에 사용된 학습 상태와 변수를 포함해 다변량 모델에 대한 자세한 정보를 가져옵니다.
get_multivariate_model(model_id: str, **kwargs: Any) -> AnomalyDetectionModel
매개 변수
반환
AnomalyDetectionModel. AnomalyDetectionModel은 MutableMapping과 호환됩니다.
반환 형식
예외
list_multivariate_models
다변량 모델을 나열합니다.
리소스의 모델을 나열합니다.
list_multivariate_models(*, skip: int | None = None, top: int | None = None, **kwargs: Any) -> Iterable[AnomalyDetectionModel]
매개 변수
- skip
- int
건너뛰기 는 건너뛸 모델 수를 나타냅니다. 기본값은 없음입니다.
- top
- int
위쪽은 가져올 모델 수를 나타냅니다. 기본값은 없음입니다.
반환
AnomalyDetectionModel의 instance 같은 반복기입니다. AnomalyDetectionModel은 MutableMapping과 호환됩니다.
반환 형식
예외
send_request
클라이언트의 연결된 정책을 통해 네트워크 요청을 실행합니다.
>>> 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>
이 코드 흐름에 대한 자세한 내용은 https://aka.ms/azsdk/dpcodegen/python/send_request
send_request(request: HttpRequest, **kwargs: Any) -> HttpResponse
매개 변수
- stream
- bool
응답 페이로드가 스트리밍될지 여부입니다. 기본값은 False입니다.
반환
네트워크 호출의 응답입니다. 응답에 대한 오류 처리는 수행하지 않습니다.
반환 형식
train_multivariate_model
다변량 변칙 검색 모델을 학습합니다.
다변량 변칙 검색 모델을 만들고 학습합니다. 요청에는 외부에서 액세스할 수 있는 Azure Blob Storage URI를 나타내는 원본 매개 변수가 포함되어야 합니다. 데이터 입력에는 두 가지 유형이 있습니다. 여러 CSV 파일이 포함된 Azure Blob Storage 폴더를 가리키는 URI와 각 CSV 파일에는 타임스탬프와 변수라는 두 개의 열이 포함됩니다. 다른 유형의 입력은 모든 변수와 타임스탬프 열을 포함하는 Azure Blob Storage의 CSV 파일을 가리키는 URI입니다.
train_multivariate_model(model_info: ModelInfo | MutableMapping[str, Any] | IO, **kwargs: Any) -> AnomalyDetectionModel
매개 변수
- content_type
- str
본문 매개 변수 Content-Type. 알려진 값은 application/json입니다. 기본값은 없음입니다.
반환
AnomalyDetectionModel. AnomalyDetectionModel은 MutableMapping과 호환됩니다.
반환 형식
예외
Azure SDK for Python
피드백
https://aka.ms/ContentUserFeedback
출시 예정: 2024년 내내 콘텐츠에 대한 피드백 메커니즘으로 GitHub 문제를 단계적으로 폐지하고 이를 새로운 피드백 시스템으로 바꿀 예정입니다. 자세한 내용은 다음을 참조하세요.다음에 대한 사용자 의견 제출 및 보기