Udostępnij za pośrednictwem

Jak używać jednowymiarowego API Detektora Anomalii na danych szeregów czasowych

Ważne

Od dnia 20 września 2023 r. nie będzie można tworzyć nowych zasobów Detektor Anomalii. Usługa Detektor anomalii jest wycofywana z użycia 1 października 2026 r.

Interfejs Anomaly Detector API oferuje dwie metody wykrywania anomalii. Możesz wykryć anomalie jako partię w ciągu szeregu czasowego lub w miarę generowania danych, wykrywając stan anomalii najnowszego punktu danych. Model wykrywania zwraca wyniki anomalii wraz z oczekiwaną wartością każdego punktu danych oraz górne i dolne granice wykrywania anomalii. Tych wartości można użyć do wizualizacji zakresu wartości normalnych i anomalii w danych.

Tryby wykrywania anomalii

Narzędzie do wykrywania anomalii API zapewnia tryby wykrywania: przetwarzanie wsadowe i przetwarzanie strumieniowe.

Uwaga

Następujące adresy URL żądań muszą zostać połączone z odpowiednim punktem końcowym dla subskrypcji. Na przykład: https://<your-custom-subdomain>.api.cognitive.microsoft.com/anomalydetector/v1.0/timeseries/entire/detect.

Wykrywanie wsadowe

Aby wykryć anomalie w całym zestawie danych punktów pomiarowych w danym zakresie czasu, użyj następującego żądania URI z danymi szeregów czasowych:

/timeseries/entire/detect.

Wysyłając dane szeregów czasowych jednocześnie, interfejs API wygeneruje model przy użyciu całej serii i analizuje poszczególne punkty danych.

Wykrywanie przesyłania strumieniowego

Aby stale wykrywać anomalie danych przesyłanych strumieniowo, użyj następującego identyfikatora URI żądania z najnowszym punktem danych:

/timeseries/last/detect.

Wysyłając nowe punkty danych podczas ich generowania, możesz monitorować dane w czasie rzeczywistym. Model zostanie wygenerowany przy użyciu wysyłanych punktów danych, a interfejs API określi, czy ostatni punkt w szeregach czasowych jest anomalią.

Dostosowywanie dolnych i górnych granic wykrywania anomalii

Domyślnie górne i dolne granice wykrywania anomalii są obliczane przy użyciu wartości expectedValue, upperMargini lowerMargin. Jeśli potrzebujesz różnych granic, zalecamy zastosowanie elementu marginScale do elementu upperMargin lub lowerMargin. Granice zostaną obliczone w następujący sposób:

Granica Obliczenia
upperBoundary expectedValue + (100 - marginScale) * upperMargin
lowerBoundary expectedValue - (100 - marginScale) * lowerMargin

Na poniższych przykładach pokazano wynik API wykrywania anomalii przy różnych poziomach czułości.

Przykład z poufnością na poziomie 99

Domyślna czułość

Przykład z czułością na poziomie 95

99 Wrażliwość

Przykład z czułością na poziomie 85

85 Ważność

Następne kroki