AnomalyDetectorClient.DetectUnivariateEntireSeries Método
Definição
Importante
Algumas informações se referem a produtos de pré-lançamento que podem ser substancialmente modificados antes do lançamento. A Microsoft não oferece garantias, expressas ou implícitas, das informações aqui fornecidas.
Sobrecargas
DetectUnivariateEntireSeries(UnivariateDetectionOptions, CancellationToken) |
Detectar anomalias para toda a série em lote. |
DetectUnivariateEntireSeries(RequestContent, RequestContext) |
[Método de protocolo] Detectar anomalias para toda a série em lote.
|
DetectUnivariateEntireSeries(UnivariateDetectionOptions, CancellationToken)
- Origem:
- AnomalyDetectorClient.cs
Detectar anomalias para toda a série em lote.
public virtual Azure.Response<Azure.AI.AnomalyDetector.UnivariateEntireDetectionResult> DetectUnivariateEntireSeries (Azure.AI.AnomalyDetector.UnivariateDetectionOptions options, System.Threading.CancellationToken cancellationToken = default);
abstract member DetectUnivariateEntireSeries : Azure.AI.AnomalyDetector.UnivariateDetectionOptions * System.Threading.CancellationToken -> Azure.Response<Azure.AI.AnomalyDetector.UnivariateEntireDetectionResult>
override this.DetectUnivariateEntireSeries : Azure.AI.AnomalyDetector.UnivariateDetectionOptions * System.Threading.CancellationToken -> Azure.Response<Azure.AI.AnomalyDetector.UnivariateEntireDetectionResult>
Public Overridable Function DetectUnivariateEntireSeries (options As UnivariateDetectionOptions, Optional cancellationToken As CancellationToken = Nothing) As Response(Of UnivariateEntireDetectionResult)
Parâmetros
- options
- UnivariateDetectionOptions
Método de detecção de anomalias univariadas.
- cancellationToken
- CancellationToken
O token de cancelamento a ser usado.
Retornos
Exceções
options
é nulo.
Exemplos
Este exemplo mostra como chamar DetectUnivariateEntireSeries com os parâmetros necessários.
var credential = new AzureKeyCredential("<key>");
var endpoint = new Uri("<https://my-service.azure.com>");
var client = new AnomalyDetectorClient(endpoint, credential);
var options = new UnivariateDetectionOptions(new TimeSeriesPoint[]
{
new TimeSeriesPoint(3.14f)
{
Timestamp = DateTimeOffset.UtcNow,
}
})
{
Granularity = TimeGranularity.Yearly,
CustomInterval = 1234,
Period = 1234,
MaxAnomalyRatio = 3.14f,
Sensitivity = 1234,
ImputeMode = ImputeMode.Auto,
ImputeFixedValue = 3.14f,
};
var result = client.DetectUnivariateEntireSeries(options);
Comentários
Essa operação gera um modelo com uma série inteira. Cada ponto é detectado com o mesmo modelo. Com esse método, pontos antes e depois de um determinado ponto são usados para determinar se é uma anomalia. A detecção inteira pode dar ao usuário um status geral da série temporal.
Aplica-se a
DetectUnivariateEntireSeries(RequestContent, RequestContext)
- Origem:
- AnomalyDetectorClient.cs
[Método de protocolo] Detectar anomalias para toda a série em lote.
- Esse método de protocolo permite a criação explícita da solicitação e do processamento da resposta para cenários avançados.
- Tente a sobrecarga de conveniência mais DetectUnivariateEntireSeries(UnivariateDetectionOptions, CancellationToken) simples com modelos fortemente tipado primeiro.
public virtual Azure.Response DetectUnivariateEntireSeries (Azure.Core.RequestContent content, Azure.RequestContext context = default);
abstract member DetectUnivariateEntireSeries : Azure.Core.RequestContent * Azure.RequestContext -> Azure.Response
override this.DetectUnivariateEntireSeries : Azure.Core.RequestContent * Azure.RequestContext -> Azure.Response
Public Overridable Function DetectUnivariateEntireSeries (content As RequestContent, Optional context As RequestContext = Nothing) As Response
Parâmetros
- content
- RequestContent
O conteúdo a ser enviado como o corpo da solicitação.
- context
- RequestContext
O contexto de solicitação, que pode substituir os comportamentos padrão do pipeline do cliente por chamada.
Retornos
A resposta retornada do serviço.
Exceções
content
é nulo.
O serviço retornou um código de status sem êxito.
Exemplos
Este exemplo mostra como chamar DetectUnivariateEntireSeries com o conteúdo da solicitação necessário e como analisar o resultado.
var credential = new AzureKeyCredential("<key>");
var endpoint = new Uri("<https://my-service.azure.com>");
var client = new AnomalyDetectorClient(endpoint, credential);
var data = new {
series = new[] {
new {
value = 123.45f,
}
},
};
Response response = client.DetectUnivariateEntireSeries(RequestContent.Create(data));
JsonElement result = JsonDocument.Parse(response.ContentStream).RootElement;
Console.WriteLine(result.GetProperty("period").ToString());
Console.WriteLine(result.GetProperty("expectedValues")[0].ToString());
Console.WriteLine(result.GetProperty("upperMargins")[0].ToString());
Console.WriteLine(result.GetProperty("lowerMargins")[0].ToString());
Console.WriteLine(result.GetProperty("isAnomaly")[0].ToString());
Console.WriteLine(result.GetProperty("isNegativeAnomaly")[0].ToString());
Console.WriteLine(result.GetProperty("isPositiveAnomaly")[0].ToString());
Este exemplo mostra como chamar DetectUnivariateEntireSeries com todo o conteúdo da solicitação e como analisar o resultado.
var credential = new AzureKeyCredential("<key>");
var endpoint = new Uri("<https://my-service.azure.com>");
var client = new AnomalyDetectorClient(endpoint, credential);
var data = new {
series = new[] {
new {
timestamp = "2022-05-10T14:57:31.2311892-04:00",
value = 123.45f,
}
},
granularity = "yearly",
customInterval = 1234,
period = 1234,
maxAnomalyRatio = 123.45f,
sensitivity = 1234,
imputeMode = "auto",
imputeFixedValue = 123.45f,
};
Response response = client.DetectUnivariateEntireSeries(RequestContent.Create(data), new RequestContext());
JsonElement result = JsonDocument.Parse(response.ContentStream).RootElement;
Console.WriteLine(result.GetProperty("period").ToString());
Console.WriteLine(result.GetProperty("expectedValues")[0].ToString());
Console.WriteLine(result.GetProperty("upperMargins")[0].ToString());
Console.WriteLine(result.GetProperty("lowerMargins")[0].ToString());
Console.WriteLine(result.GetProperty("isAnomaly")[0].ToString());
Console.WriteLine(result.GetProperty("isNegativeAnomaly")[0].ToString());
Console.WriteLine(result.GetProperty("isPositiveAnomaly")[0].ToString());
Console.WriteLine(result.GetProperty("severity")[0].ToString());
Comentários
Essa operação gera um modelo com uma série inteira, cada ponto é detectado com o mesmo modelo. Com esse método, os pontos antes e depois de um determinado ponto são usados para determinar se é uma anomalia. Toda a detecção pode dar ao usuário uma status geral da série temporal.
Abaixo está o esquema JSON para os conteúdos de solicitação e resposta.
Corpo da solicitação:
Esquema para UnivariateDetectionOptions
:
{
series: [
{
timestamp: string (date & time), # Optional.
value: number, # Required.
}
], # Required.
granularity: "yearly" | "monthly" | "weekly" | "daily" | "hourly" | "minutely" | "secondly" | "microsecond" | "none", # Optional.
customInterval: number, # Optional.
period: number, # Optional.
maxAnomalyRatio: number, # Optional.
sensitivity: number, # Optional.
imputeMode: "auto" | "previous" | "linear" | "fixed" | "zero" | "notFill", # Optional.
imputeFixedValue: number, # Optional.
}
Corpo da resposta:
Esquema para UnivariateEntireDetectionResult
:
{
period: number, # Required.
expectedValues: [number], # Required.
upperMargins: [number], # Required.
lowerMargins: [number], # Required.
isAnomaly: [boolean], # Required.
isNegativeAnomaly: [boolean], # Required.
isPositiveAnomaly: [boolean], # Required.
severity: [number], # Optional.
}
Aplica-se a
Azure SDK for .NET
Comentários
https://aka.ms/ContentUserFeedback.
Em breve: Ao longo de 2024, eliminaremos os problemas do GitHub como o mecanismo de comentários para conteúdo e o substituiremos por um novo sistema de comentários. Para obter mais informações, consulteEnviar e exibir comentários de