AnomalyDetectorClient class

Pakket:

@azure/ai-anomaly-detector

Clientklasse voor interactie met de Azure Anomaly Detector-service.

Uitbreiding

AnomalyDetector

Constructors

AnomalyDetectorClient(string, TokenCredential | KeyCredential, PipelineOptions)

Hiermee maakt u een exemplaar van AnomalyDetectorClient. Voorbeeldgebruik: import { AnomalyDetectorClient, AzureKeyCredential } from "@azure/ai-anomaly-detector"; const client = new AnomalyDetectorClient( "<service endpoint>", new AzureKeyCredential("<api key>") );

Overgenomen eigenschappen

apiVersion
endpoint

Overgenomen methoden

deleteMultivariateModel(string, AnomalyDetectorDeleteMultivariateModelOptionalParams)	Een bestaand multivariate-model verwijderen op basis van de modelId
detectAnomaly(string, DetectionRequest, AnomalyDetectorDetectAnomalyOptionalParams)	Verzenden van multivariate anomalietaak met het getrainde model van modelId, het invoerschema moet hetzelfde zijn met de trainingsaanvraag. De aanvraag wordt dus asynchroon voltooid en retourneert een resultId voor het uitvoeren van query's op het detectieresultaat. De aanvraag moet een bronkoppeling zijn om een extern toegankelijke Azure-opslag-URI aan te geven (bij voorkeur een Shared Access Signature-URI). Alle tijdreeksen die worden gebruikt bij het genereren van het model, moeten in één bestand worden gezipt. Elke tijdreeks is als volgt: de eerste kolom is een tijdstempel en de tweede kolom is een waarde.
detectChangePoint(DetectChangePointRequest, AnomalyDetectorDetectChangePointOptionalParams)	Wijzigingspuntscore van elk reekspunt evalueren
detectEntireSeries(DetectRequest, AnomalyDetectorDetectEntireSeriesOptionalParams)	Met deze bewerking wordt een model met een hele reeks gegenereerd. Elk punt wordt gedetecteerd met hetzelfde model. Met deze methode worden punten voor en na een bepaald punt gebruikt om te bepalen of het een anomalie is. De volledige detectie kan de gebruiker een algemene status van de tijdreeks geven.
detectLastPoint(DetectRequest, AnomalyDetectorDetectLastPointOptionalParams)	Met deze bewerking wordt een model gegenereerd met punten vóór de meest recente. Met deze methode worden alleen historische punten gebruikt om te bepalen of het doelpunt een anomalie is. De laatste detectiebewerking voor het punt komt overeen met het scenario van realtime bewaking van metrische bedrijfsgegevens.
exportModel(string, AnomalyDetectorExportModelOptionalParams)	Multivariate anomaliedetectiemodel exporteren op basis van modelId
getDetectionResult(string, AnomalyDetectorGetDetectionResultOptionalParams)	Multivariate anomaliedetectieresultaat ophalen op basis van resultId geretourneerd door de DetectAnomalyAsync-API
getMultivariateModel(string, AnomalyDetectorGetMultivariateModelOptionalParams)	Krijg gedetailleerde informatie over het multivariate-model, inclusief de trainingsstatus en variabelen die in het model worden gebruikt.
lastDetectAnomaly(string, LastDetectionRequest, AnomalyDetectorLastDetectAnomalyOptionalParams)	Gesynchroniseerde API voor anomaliedetectie.
listMultivariateModel(AnomalyDetectorListMultivariateModelOptionalParams)	Modellen van een abonnement weergeven
sendOperationRequest(OperationArguments, OperationSpec, ServiceCallback<any>)	Verzend een HTTP-aanvraag die is ingevuld met behulp van de opgegeven OperationSpec.
sendRequest(RequestPrepareOptions | WebResourceLike)	Verzend de opgegeven httpRequest.
trainMultivariateModel(AnomalyDetectorClientModelInfo, AnomalyDetectorTrainMultivariateModelOptionalParams)	Een multivariate anomaliedetectiemodel maken en trainen. De aanvraag moet een bronparameter bevatten om een extern toegankelijke Azure Storage-URI aan te geven (bij voorkeur een Shared Access Signature-URI). Alle tijdreeksen die worden gebruikt bij het genereren van het model, moeten in één bestand worden gezipt. Elke tijdreeks bevindt zich in één CSV-bestand waarin de eerste kolom een tijdstempel is en de tweede kolom een waarde is.

Constructordetails

AnomalyDetectorClient(string, TokenCredential | KeyCredential, PipelineOptions)

Hiermee maakt u een exemplaar van AnomalyDetectorClient.

Voorbeeldgebruik:

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)

Parameters

endpointUrl

string

URL naar een Azure Anomaly Detector-service-eindpunt

credential

TokenCredential | KeyCredential

Wordt gebruikt voor het verifiëren van aanvragen voor de service.

options

PipelineOptions

Wordt gebruikt om de Form Recognizer-client te configureren.

Details van overgenomen eigenschap

apiVersion

apiVersion: string

Waarde van eigenschap

string

overgenomen vanAnomalyDetector.apiVersion

endpoint

endpoint: string

Waarde van eigenschap

string

overgenomen vanAnomalyDetector.endpoint

Details overgenomen methode

deleteMultivariateModel(string, AnomalyDetectorDeleteMultivariateModelOptionalParams)

Een bestaand multivariate-model verwijderen op basis van de modelId

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

Parameters

modelId

string

Model-id.

options

AnomalyDetectorDeleteMultivariateModelOptionalParams

De optiesparameters.

Retouren

Promise<RestResponse>

overgenomen vanAnomalyDetector.deleteMultivariateModel

detectAnomaly(string, DetectionRequest, AnomalyDetectorDetectAnomalyOptionalParams)

Verzenden van multivariate anomalietaak met het getrainde model van modelId, het invoerschema moet hetzelfde zijn met de trainingsaanvraag. De aanvraag wordt dus asynchroon voltooid en retourneert een resultId voor het uitvoeren van query's op het detectieresultaat. De aanvraag moet een bronkoppeling zijn om een extern toegankelijke Azure-opslag-URI aan te geven (bij voorkeur een Shared Access Signature-URI). Alle tijdreeksen die worden gebruikt bij het genereren van het model, moeten in één bestand worden gezipt. Elke tijdreeks is als volgt: de eerste kolom is een tijdstempel en de tweede kolom is een waarde.

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

Parameters

modelId

string

Model-id.

body

DetectionRequest

Anomalieaanvraag detecteren

options

AnomalyDetectorDetectAnomalyOptionalParams

De optiesparameters.

Retouren

Promise<AnomalyDetectorDetectAnomalyResponse>

overgenomen vanAnomalyDetector.detectAnomaly-

detectChangePoint(DetectChangePointRequest, AnomalyDetectorDetectChangePointOptionalParams)

Wijzigingspuntscore van elk reekspunt evalueren

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

Parameters

body

DetectChangePointRequest

Tijdreekspunten en granulariteit zijn nodig. Geavanceerde modelparameters kunnen indien nodig ook in de aanvraag worden ingesteld.

options

AnomalyDetectorDetectChangePointOptionalParams

De optiesparameters.

Retouren

Promise<AnomalyDetectorDetectChangePointResponse>

overgenomen vanAnomalyDetector.detectChangePoint-

detectEntireSeries(DetectRequest, AnomalyDetectorDetectEntireSeriesOptionalParams)

Met deze bewerking wordt een model met een hele reeks gegenereerd. Elk punt wordt gedetecteerd met hetzelfde model. Met deze methode worden punten voor en na een bepaald punt gebruikt om te bepalen of het een anomalie is. De volledige detectie kan de gebruiker een algemene status van de tijdreeks geven.

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

Parameters

body

DetectRequest

Tijdreekspunten en -perioden indien nodig. Geavanceerde modelparameters kunnen ook worden ingesteld in de aanvraag.

options

AnomalyDetectorDetectEntireSeriesOptionalParams

De optiesparameters.

Retouren

Promise<AnomalyDetectorDetectEntireSeriesResponse>

overgenomen vanAnomalyDetector.detectEntireSeries

detectLastPoint(DetectRequest, AnomalyDetectorDetectLastPointOptionalParams)

Met deze bewerking wordt een model gegenereerd met punten vóór de meest recente. Met deze methode worden alleen historische punten gebruikt om te bepalen of het doelpunt een anomalie is. De laatste detectiebewerking voor het punt komt overeen met het scenario van realtime bewaking van metrische bedrijfsgegevens.

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

Parameters

body

DetectRequest

Tijdreekspunten en -perioden indien nodig. Geavanceerde modelparameters kunnen ook worden ingesteld in de aanvraag.

options

AnomalyDetectorDetectLastPointOptionalParams

De optiesparameters.

Retouren

Promise<AnomalyDetectorDetectLastPointResponse>

overgenomen vanAnomalyDetector.detectLastPoint-

exportModel(string, AnomalyDetectorExportModelOptionalParams)

Multivariate anomaliedetectiemodel exporteren op basis van modelId

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

Parameters

modelId

string

Model-id.

options

AnomalyDetectorExportModelOptionalParams

De optiesparameters.

Retouren

Promise<AnomalyDetectorExportModelResponse>

overgenomen vanAnomalyDetector.exportModel

getDetectionResult(string, AnomalyDetectorGetDetectionResultOptionalParams)

Multivariate anomaliedetectieresultaat ophalen op basis van resultId geretourneerd door de DetectAnomalyAsync-API

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

Parameters

resultId

string

Resultaat-id.

options

AnomalyDetectorGetDetectionResultOptionalParams

De optiesparameters.

Retouren

Promise<AnomalyDetectorGetDetectionResultResponse>

overgenomen vanAnomalyDetector.getDetectionResult

getMultivariateModel(string, AnomalyDetectorGetMultivariateModelOptionalParams)

Krijg gedetailleerde informatie over het multivariate-model, inclusief de trainingsstatus en variabelen die in het model worden gebruikt.

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

Parameters

modelId

string

Model-id.

options

AnomalyDetectorGetMultivariateModelOptionalParams

De optiesparameters.

Retouren

Promise<AnomalyDetectorGetMultivariateModelResponse>

overgenomen vanAnomalyDetector.getMultivariateModel

lastDetectAnomaly(string, LastDetectionRequest, AnomalyDetectorLastDetectAnomalyOptionalParams)

Gesynchroniseerde API voor anomaliedetectie.

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

Parameters

modelId

string

Model-id.

body

LastDetectionRequest

Aanvraag voor laatste detectie.

options

AnomalyDetectorLastDetectAnomalyOptionalParams

De optiesparameters.

Retouren

Promise<AnomalyDetectorLastDetectAnomalyResponse>

overgenomen vanAnomalyDetector.lastDetectAnomaly-

listMultivariateModel(AnomalyDetectorListMultivariateModelOptionalParams)

Modellen van een abonnement weergeven

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

Parameters

options

AnomalyDetectorListMultivariateModelOptionalParams

De optiesparameters.

Retouren

PagedAsyncIterableIterator<AnomalyDetectorClientModelSnapshot, AnomalyDetectorClientModelSnapshot[], PageSettings>

overgenomen vanAnomalyDetector.listMultivariateModel

sendOperationRequest(OperationArguments, OperationSpec, ServiceCallback<any>)

Verzend een HTTP-aanvraag die is ingevuld met behulp van de opgegeven OperationSpec.

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

Parameters

operationArguments

OperationArguments

De argumenten waaruit de sjabloonwaarden van de HTTP-aanvraag worden ingevuld.

operationSpec

OperationSpec

De OperationSpec die moet worden gebruikt om de httpRequest te vullen.

callback

ServiceCallback<any>

De callback die moet worden aangeroepen wanneer het antwoord wordt ontvangen.

Retouren

Promise<RestResponse>

overgenomen vanAnomalyDetector.sendOperationRequest

sendRequest(RequestPrepareOptions | WebResourceLike)

Verzend de opgegeven httpRequest.

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

Parameters

options

RequestPrepareOptions | WebResourceLike

Retouren

Promise<HttpOperationResponse>

overgenomen vanAnomalyDetector.sendRequest

trainMultivariateModel(AnomalyDetectorClientModelInfo, AnomalyDetectorTrainMultivariateModelOptionalParams)

Een multivariate anomaliedetectiemodel maken en trainen. De aanvraag moet een bronparameter bevatten om een extern toegankelijke Azure Storage-URI aan te geven (bij voorkeur een Shared Access Signature-URI). Alle tijdreeksen die worden gebruikt bij het genereren van het model, moeten in één bestand worden gezipt. Elke tijdreeks bevindt zich in één CSV-bestand waarin de eerste kolom een tijdstempel is en de tweede kolom een waarde is.

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

Parameters

body

AnomalyDetectorClientModelInfo

Trainingsaanvraag

options

AnomalyDetectorTrainMultivariateModelOptionalParams

De optiesparameters.

Retouren

Promise<AnomalyDetectorTrainMultivariateModelResponse>

overgenomen vanAnomalyDetector.trainMultivariateModel