AnomalyDetectorClient Classe

A API de Detetor de Anomalias deteta anomalias automaticamente em dados de série temporal. Suporta dois tipos de modo, um é para utilização sem estado, outro para utilização com monitorização de estado. No modo sem estado, existem três funcionalidades. A Deteção Completa destina-se a detetar toda a série com o modelo preparado pela série temporal, a Última Deteção está a detetar o último ponto com o modelo preparado por pontos antes. A Deteção do ChangePoint destina-se a detetar alterações de tendência em séries de tempo. No modo com monitorização de estado, o utilizador pode armazenar séries de tempo, a série temporal armazenada será utilizada para anomalias de deteção. Neste modo, o utilizador ainda pode utilizar as três funcionalidades acima ao fornecer apenas um intervalo de tempo sem preparar séries temporais no lado do cliente. Além das três funcionalidades acima, o modelo com monitorização de estado também fornece o serviço de deteção e etiquetagem baseado em grupos. Ao tirar partido do serviço de etiquetagem, o utilizador pode fornecer etiquetas para cada resultado de deteção, estas etiquetas serão utilizadas para reajustar ou regenerar modelos de deteção. A deteção de inconsistências é uma espécie de deteção baseada em grupos. Esta deteção irá encontrar inconsistências num conjunto de séries temporísticas. Ao utilizar o serviço de detetor de anomalias, os clientes empresariais podem detetar incidentes e estabelecer um fluxo lógico para a análise da causa raiz.

Herança

azure.ai.anomalydetector._operations._operations.AnomalyDetectorClientOperationsMixin

AnomalyDetectorClient

Construtor

AnomalyDetectorClient(endpoint: str, credential: AzureKeyCredential, **kwargs: Any)

Parâmetros

endpoint

str

Necessário

Pontos finais dos Serviços Cognitivos suportados (protocolo e nome do anfitrião, por exemplo: https://westus2.api.cognitive.microsoft.com). Obrigatório.

credential

AzureKeyCredential

Necessário

Credenciais necessárias para que o cliente se ligue ao Azure. Obrigatório.

api_version

str

Versão da API. O valor predefinido é "v1.1". Tenha em atenção que substituir este valor predefinido pode resultar num comportamento não suportado.

Métodos

close
delete_multivariate_model	Elimine o Modelo Multivariate. Elimine um modelo multivariado existente de acordo com o modelId.
detect_multivariate_batch_anomaly	Detetar Anomalia multivariada. Submeta a tarefa de deteção de anomalias multivariar com o modelId dos dados de inferência e modelo preparados, o esquema de entrada deve ser o mesmo com o pedido de preparação. O pedido será concluído de forma assíncrona e devolverá um resultId para consultar o resultado da deteção. O pedido deve ser uma ligação de origem para indicar um Uri de armazenamento do Azure acessível externamente, apontado para uma pasta de armazenamento de blobs do Azure ou apontado para um ficheiro CSV no armazenamento de blobs do Azure.
detect_multivariate_last_anomaly	Detetar anomalias no último ponto do corpo do pedido. Submeta a tarefa de deteção de anomalias multivariar com o modelId dos dados de inferência e modelo preparados e os dados de inferência devem ser colocados no corpo do pedido num formato JSON. O pedido será concluído de forma síncrona e devolverá a deteção imediatamente no corpo da resposta.
detect_univariate_change_point	Detetar o ponto de alteração para toda a série. Avalie a pontuação do ponto de alteração de cada ponto de série.
detect_univariate_entire_series	Detetar anomalias para toda a série no batch. Esta operação gera um modelo com uma série inteira, cada ponto é detetado com o mesmo modelo. Com este método, são utilizados pontos antes e depois de um determinado ponto para determinar se se trata de uma anomalia. Toda a deteção pode dar ao utilizador um estado geral da série temporal.
detect_univariate_last_point	Detetar o estado da anomalia do ponto mais recente na série temporal. Esta operação gera um modelo com os pontos que enviou para a API e com base em todos os dados para determinar se o último ponto é anómalo.
get_multivariate_batch_detection_result	Obter Resultado de Deteção de Anomalias Multivariados. Para inferência assíncrona, obtenha o resultado de deteção de anomalias multivariados com base no resultId devolvido pela api BatchDetectAnomaly.
get_multivariate_model	Obter Modelo Multivariate. Obtenha informações detalhadas sobre o modelo multivariado, incluindo o estado de preparação e as variáveis utilizadas no modelo.
list_multivariate_models	Listar Modelos Multivariados. Listar modelos de um recurso.
send_request	Executa o pedido de rede através das políticas em cadeia do cliente. >>> 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> Para obter mais informações sobre este fluxo de código, veja https://aka.ms/azsdk/dpcodegen/python/send_request
train_multivariate_model	Preparar um Modelo de Deteção de Anomalias Multivariate. Criar e preparar um modelo de deteção de anomalias multivariar. O pedido tem de incluir um parâmetro de origem para indicar um URI de armazenamento de blobs do Azure acessível externamente. Existem dois tipos de entrada de dados: um URI apontado para uma pasta de armazenamento de blobs do Azure que contém vários ficheiros CSV e cada ficheiro CSV contém duas colunas, carimbo de data/hora e variável. Outro tipo de entrada é um URI apontado para um ficheiro CSV no armazenamento de blobs do Azure, que contém todas as variáveis e uma coluna de carimbo de data/hora.

close

close() -> None

delete_multivariate_model

Elimine o Modelo Multivariate.

Elimine um modelo multivariado existente de acordo com o modelId.

delete_multivariate_model(model_id: str, **kwargs: Any) -> None

Parâmetros

model_id

str

Necessário

Identificador de modelo. Obrigatório.

Devoluções

Nenhuma

Tipo de retorno

None

Exceções

HttpResponseError

detect_multivariate_batch_anomaly

Detetar Anomalia multivariada.

Submeta a tarefa de deteção de anomalias multivariar com o modelId dos dados de inferência e modelo preparados, o esquema de entrada deve ser o mesmo com o pedido de preparação. O pedido será concluído de forma assíncrona e devolverá um resultId para consultar o resultado da deteção. O pedido deve ser uma ligação de origem para indicar um Uri de armazenamento do Azure acessível externamente, apontado para uma pasta de armazenamento de blobs do Azure ou apontado para um ficheiro CSV no armazenamento de blobs do Azure.

detect_multivariate_batch_anomaly(model_id: str, options: MultivariateBatchDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateDetectionResult

Parâmetros

model_id

str

Necessário

Identificador de modelo. Obrigatório.

options

MultivariateBatchDetectionOptions ou <xref:JSON> ou IO

Necessário

Pedido de deteção de anomalias multivariados. É um dos seguintes tipos: modelo, JSON, E/S Obrigatório.

content_type

str

Tipo de Conteúdo do parâmetro do corpo. Os valores conhecidos são: application/json. O valor predefinido é Nenhum.

Devoluções

MultivariateDetectionResult. O MultivariateDetectionResult é compatível com MutableMapping

Tipo de retorno

MultivariateDetectionResult

Exceções

HttpResponseError

detect_multivariate_last_anomaly

Detetar anomalias no último ponto do corpo do pedido.

Submeta a tarefa de deteção de anomalias multivariar com o modelId dos dados de inferência e modelo preparados e os dados de inferência devem ser colocados no corpo do pedido num formato JSON. O pedido será concluído de forma síncrona e devolverá a deteção imediatamente no corpo da resposta.

detect_multivariate_last_anomaly(model_id: str, options: MultivariateLastDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> MultivariateLastDetectionResult

Parâmetros

model_id

str

Necessário

Identificador de modelo. Obrigatório.

options

MultivariateLastDetectionOptions ou <xref:JSON> ou IO

Necessário

Pedido de última deteção. É um dos seguintes tipos: modelo, JSON, E/S Obrigatório.

content_type

str

Tipo de Conteúdo do parâmetro do corpo. Os valores conhecidos são: application/json. O valor predefinido é Nenhum.

Devoluções

MultivariateLastDetectionResult. O MultivariateLastDetectionResult é compatível com MutableMapping

Tipo de retorno

MultivariateLastDetectionResult

Exceções

HttpResponseError

detect_univariate_change_point

Detetar o ponto de alteração para toda a série.

Avalie a pontuação do ponto de alteração de cada ponto de série.

detect_univariate_change_point(options: UnivariateChangePointDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateChangePointDetectionResult

Parâmetros

options

UnivariateChangePointDetectionOptions ou <xref:JSON> ou IO

Necessário

Método de deteção de anomalias nãoivada. É um dos seguintes tipos: modelo, JSON, E/S Obrigatório.

content_type

str

Tipo de Conteúdo do parâmetro do corpo. Os valores conhecidos são: application/json. O valor predefinido é Nenhum.

Devoluções

UnivariateChangePointDetectionResult. UnivariateChangePointDetectionResult é compatível com MutableMapping

Tipo de retorno

UnivariateChangePointDetectionResult

Exceções

HttpResponseError

detect_univariate_entire_series

Detetar anomalias para toda a série no batch.

Esta operação gera um modelo com uma série inteira, cada ponto é detetado com o mesmo modelo. Com este método, são utilizados pontos antes e depois de um determinado ponto para determinar se se trata de uma anomalia. Toda a deteção pode dar ao utilizador um estado geral da série temporal.

detect_univariate_entire_series(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateEntireDetectionResult

Parâmetros

options

UnivariateDetectionOptions ou <xref:JSON> ou IO

Necessário

Método de deteção de anomalias nãoivada. É um dos seguintes tipos: modelo, JSON, E/S Obrigatório.

content_type

str

Tipo de Conteúdo do parâmetro do corpo. Os valores conhecidos são: application/json. O valor predefinido é Nenhum.

Devoluções

UnivariateEntireDetectionResult. UnivariateEntireDetectionResult é compatível com MutableMapping

Tipo de retorno

UnivariateEntireDetectionResult

Exceções

HttpResponseError

detect_univariate_last_point

Detetar o estado da anomalia do ponto mais recente na série temporal.

Esta operação gera um modelo com os pontos que enviou para a API e com base em todos os dados para determinar se o último ponto é anómalo.

detect_univariate_last_point(options: UnivariateDetectionOptions | MutableMapping[str, Any] | IO, **kwargs: Any) -> UnivariateLastDetectionResult

Parâmetros

options

UnivariateDetectionOptions ou <xref:JSON> ou IO

Necessário

Método de deteção de anomalias nãoivada. É um dos seguintes tipos: modelo, JSON, E/S Obrigatório.

content_type

str

Tipo de Conteúdo do parâmetro do corpo. Os valores conhecidos são: application/json. O valor predefinido é Nenhum.

Devoluções

UnivariateLastDetectionResult. UnivariateLastDetectionResult é compatível com MutableMapping

Tipo de retorno

UnivariateLastDetectionResult

Exceções

HttpResponseError

get_multivariate_batch_detection_result

Obter Resultado de Deteção de Anomalias Multivariados.

Para inferência assíncrona, obtenha o resultado de deteção de anomalias multivariados com base no resultId devolvido pela api BatchDetectAnomaly.

get_multivariate_batch_detection_result(result_id: str, **kwargs: Any) -> MultivariateDetectionResult

Parâmetros

result_id

str

Necessário

ID de um resultado de deteção de lotes. Obrigatório.

Devoluções

MultivariateDetectionResult. O MultivariateDetectionResult é compatível com MutableMapping

Tipo de retorno

MultivariateDetectionResult

Exceções

HttpResponseError

get_multivariate_model

Obter Modelo Multivariate.

Obtenha informações detalhadas sobre o modelo multivariado, incluindo o estado de preparação e as variáveis utilizadas no modelo.

get_multivariate_model(model_id: str, **kwargs: Any) -> AnomalyDetectionModel

Parâmetros

model_id

str

Necessário

Identificador de modelo. Obrigatório.

Devoluções

AnomalyDetectionModel. O AnomalyDetectionModel é compatível com MutableMapping

Tipo de retorno

AnomalyDetectionModel

Exceções

HttpResponseError

list_multivariate_models

Listar Modelos Multivariados.

Listar modelos de um recurso.

list_multivariate_models(*, skip: int | None = None, top: int | None = None, **kwargs: Any) -> Iterable[AnomalyDetectionModel]

Parâmetros

skip

int

Skip indica quantos modelos serão ignorados. O valor predefinido é Nenhum.

top

int

Top indica quantos modelos serão obtidos. O valor predefinido é Nenhum.

Devoluções

Um iterador como a instância de AnomalyDetectionModel. O AnomalyDetectionModel é compatível com MutableMapping

Tipo de retorno

ItemPaged[AnomalyDetectionModel]

Exceções

HttpResponseError

send_request

Executa o pedido de rede através das políticas em cadeia do cliente.

>>> 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>

Para obter mais informações sobre este fluxo de código, veja https://aka.ms/azsdk/dpcodegen/python/send_request

send_request(request: HttpRequest, **kwargs: Any) -> HttpResponse

Parâmetros

request

HttpRequest

Necessário

O pedido de rede que pretende fazer. Obrigatório.

stream

bool

Se o payload da resposta será transmitido em fluxo. A predefinição é Falso.

Devoluções

A resposta da chamada de rede. Não efetua o processamento de erros na sua resposta.

Tipo de retorno

HttpResponse

train_multivariate_model

Preparar um Modelo de Deteção de Anomalias Multivariate.

Criar e preparar um modelo de deteção de anomalias multivariar. O pedido tem de incluir um parâmetro de origem para indicar um URI de armazenamento de blobs do Azure acessível externamente. Existem dois tipos de entrada de dados: um URI apontado para uma pasta de armazenamento de blobs do Azure que contém vários ficheiros CSV e cada ficheiro CSV contém duas colunas, carimbo de data/hora e variável. Outro tipo de entrada é um URI apontado para um ficheiro CSV no armazenamento de blobs do Azure, que contém todas as variáveis e uma coluna de carimbo de data/hora.

train_multivariate_model(model_info: ModelInfo | MutableMapping[str, Any] | IO, **kwargs: Any) -> AnomalyDetectionModel

Parâmetros

model_info

ModelInfo ou <xref:JSON> ou IO

Necessário

Informações do modelo. É um dos seguintes tipos: modelo, JSON, E/S Obrigatório.

content_type

str

Tipo de Conteúdo do parâmetro do corpo. Os valores conhecidos são: application/json. O valor predefinido é Nenhum.

Devoluções

AnomalyDetectionModel. O AnomalyDetectionModel é compatível com MutableMapping

Tipo de retorno

AnomalyDetectionModel

Exceções

HttpResponseError