AnomalyDetectorClient class

Paket:

@azure/ai-anomaly-detector

Klientklass för interaktion med Tjänsten Azure Anomaly Detector.

Extends

AnomalyDetector

Konstruktorer

AnomalyDetectorClient(string, TokenCredential | KeyCredential, PipelineOptions)

Skapar en instans av AnomalyDetectorClient. Exempel på användning: import { AnomalyDetectorClient, AzureKeyCredential } from "@azure/ai-anomaly-detector"; const client = new AnomalyDetectorClient( "<service endpoint>", new AzureKeyCredential("<api key>") );

Ärvda egenskaper

apiVersion
endpoint

Ärvda metoder

deleteMultivariateModel(string, AnomalyDetectorDeleteMultivariateModelOptionalParams)	Ta bort en befintlig multivariatmodell enligt modelId
detectAnomaly(string, DetectionRequest, AnomalyDetectorDetectAnomalyOptionalParams)	Skicka identifiering av multivariatavvikelseaktivitet med den tränade modellen för modelId. Indataschemat bör vara detsamma med träningsbegäran. Begäran kommer därför att slutföras asynkront och returnerar ett resultId för att fråga identifieringsresultatet. Begäran ska vara en källlänk för att ange en externt tillgänglig Azure Storage-URI (helst en signatur för delad åtkomst URI). Alla tidsserier som används för att generera modellen måste zippas in i en enda fil. Varje tidsserie kommer att vara följande: den första kolumnen är tidsstämpel och den andra kolumnen är värde.
detectChangePoint(DetectChangePointRequest, AnomalyDetectorDetectChangePointOptionalParams)	Utvärdera ändringspoäng för varje seriepunkt
detectEntireSeries(DetectRequest, AnomalyDetectorDetectEntireSeriesOptionalParams)	Den här åtgärden genererar en modell med en hel serie, varje punkt identifieras med samma modell. Med den här metoden används punkter före och efter en viss punkt för att avgöra om det är en avvikelse. Hela identifieringen kan ge användaren en övergripande status för tidsserien.
detectLastPoint(DetectRequest, AnomalyDetectorDetectLastPointOptionalParams)	Den här åtgärden genererar en modell med punkter före den senaste. Med den här metoden används endast historiska punkter för att avgöra om målpunkten är en avvikelse. Den senaste punktidentifieringsåtgärden matchar scenariot med realtidsövervakning av affärsmått.
exportModel(string, AnomalyDetectorExportModelOptionalParams)	Exportera modell för multivariatavvikelseidentifiering baserat på modelId
getDetectionResult(string, AnomalyDetectorGetDetectionResultOptionalParams)	Hämta resultat för multivariatavvikelseidentifiering baserat på resultId som returneras av Api:et DetectAnomalyAsync
getMultivariateModel(string, AnomalyDetectorGetMultivariateModelOptionalParams)	Få detaljerad information om multivariatmodellen, inklusive träningsstatus och variabler som används i modellen.
lastDetectAnomaly(string, LastDetectionRequest, AnomalyDetectorLastDetectAnomalyOptionalParams)	Synkroniserat API för avvikelseidentifiering.
listMultivariateModel(AnomalyDetectorListMultivariateModelOptionalParams)	Lista modeller för en prenumeration
sendOperationRequest(OperationArguments, OperationSpec, ServiceCallback<any>)	Skicka en HTTP-begäran som fylls i med den angivna OperationSpec.
sendRequest(RequestPrepareOptions | WebResourceLike)	Skicka angivet httpRequest.
trainMultivariateModel(AnomalyDetectorClientModelInfo, AnomalyDetectorTrainMultivariateModelOptionalParams)	Skapa och träna en modell för multivariatavvikelseidentifiering. Begäran måste innehålla en källparameter för att indikera en externt tillgänglig Azure Storage-URI (helst en signatur för delad åtkomst URI). Alla tidsserier som används för att generera modellen måste zippas in i en enda fil. Varje tidsserie finns i en enda CSV-fil där den första kolumnen är tidsstämpel och den andra kolumnen är värde.

Konstruktorinformation

AnomalyDetectorClient(string, TokenCredential | KeyCredential, PipelineOptions)

Skapar en instans av AnomalyDetectorClient.

Exempel på användning:

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)

Parametrar

endpointUrl

string

Url till en tjänstslutpunkt för Azure Anomaly Detector

credential

TokenCredential | KeyCredential

Används för att autentisera begäranden till tjänsten.

options

PipelineOptions

Används för att konfigurera formigenkänningsklienten.

Information om ärvda egenskaper

apiVersion

apiVersion: string

Egenskapsvärde

string

ärvs frånAnomalyDetector.apiVersion

endpoint

endpoint: string

Egenskapsvärde

string

ärvs frånAnomalyDetector.endpoint

Ärvd metodinformation

deleteMultivariateModel(string, AnomalyDetectorDeleteMultivariateModelOptionalParams)

Ta bort en befintlig multivariatmodell enligt modelId

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

Parametrar

modelId

string

Modellidentifierare.

options

AnomalyDetectorDeleteMultivariateModelOptionalParams

Alternativparametrarna.

Returer

Promise<RestResponse>

ärvd frånAnomalyDetector.deleteMultivariateModel

detectAnomaly(string, DetectionRequest, AnomalyDetectorDetectAnomalyOptionalParams)

Skicka identifiering av multivariatavvikelseaktivitet med den tränade modellen för modelId. Indataschemat bör vara detsamma med träningsbegäran. Begäran kommer därför att slutföras asynkront och returnerar ett resultId för att fråga identifieringsresultatet. Begäran ska vara en källlänk för att ange en externt tillgänglig Azure Storage-URI (helst en signatur för delad åtkomst URI). Alla tidsserier som används för att generera modellen måste zippas in i en enda fil. Varje tidsserie kommer att vara följande: den första kolumnen är tidsstämpel och den andra kolumnen är värde.

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

Parametrar

modelId

string

Modellidentifierare.

body

DetectionRequest

Identifiera avvikelsebegäran

options

AnomalyDetectorDetectAnomalyOptionalParams

Alternativparametrarna.

Returer

Promise<AnomalyDetectorDetectAnomalyResponse>

ärvd frånAnomalyDetector.detectAnomaly

detectChangePoint(DetectChangePointRequest, AnomalyDetectorDetectChangePointOptionalParams)

Utvärdera ändringspoäng för varje seriepunkt

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

Parametrar

body

DetectChangePointRequest

Tidsseriepunkter och kornighet krävs. Avancerade modellparametrar kan också anges i begäran om det behövs.

options

AnomalyDetectorDetectChangePointOptionalParams

Alternativparametrarna.

Returer

Promise<AnomalyDetectorDetectChangePointResponse>

ärvd frånAnomalyDetector.detectChangePoint

detectEntireSeries(DetectRequest, AnomalyDetectorDetectEntireSeriesOptionalParams)

Den här åtgärden genererar en modell med en hel serie, varje punkt identifieras med samma modell. Med den här metoden används punkter före och efter en viss punkt för att avgöra om det är en avvikelse. Hela identifieringen kan ge användaren en övergripande status för tidsserien.

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

Parametrar

body

DetectRequest

Tidsseriepunkter och period om det behövs. Avancerade modellparametrar kan också anges i begäran.

options

AnomalyDetectorDetectEntireSeriesOptionalParams

Alternativparametrarna.

Returer

Promise<AnomalyDetectorDetectEntireSeriesResponse>

ärvd frånAnomalyDetector.detectEntireSeries

detectLastPoint(DetectRequest, AnomalyDetectorDetectLastPointOptionalParams)

Den här åtgärden genererar en modell med punkter före den senaste. Med den här metoden används endast historiska punkter för att avgöra om målpunkten är en avvikelse. Den senaste punktidentifieringsåtgärden matchar scenariot med realtidsövervakning av affärsmått.

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

Parametrar

body

DetectRequest

Tidsseriepunkter och period om det behövs. Avancerade modellparametrar kan också anges i begäran.

options

AnomalyDetectorDetectLastPointOptionalParams

Alternativparametrarna.

Returer

Promise<AnomalyDetectorDetectLastPointResponse>

ärvd frånAnomalyDetector.detectLastPoint

exportModel(string, AnomalyDetectorExportModelOptionalParams)

Exportera modell för multivariatavvikelseidentifiering baserat på modelId

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

Parametrar

modelId

string

Modellidentifierare.

options

AnomalyDetectorExportModelOptionalParams

Alternativparametrarna.

Returer

Promise<AnomalyDetectorExportModelResponse>

ärvd frånAnomalyDetector.exportModel

getDetectionResult(string, AnomalyDetectorGetDetectionResultOptionalParams)

Hämta resultat för multivariatavvikelseidentifiering baserat på resultId som returneras av Api:et DetectAnomalyAsync

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

Parametrar

resultId

string

Resultatidentifierare.

options

AnomalyDetectorGetDetectionResultOptionalParams

Alternativparametrarna.

Returer

Promise<AnomalyDetectorGetDetectionResultResponse>

ärvd frånAnomalyDetector.getDetectionResult

getMultivariateModel(string, AnomalyDetectorGetMultivariateModelOptionalParams)

Få detaljerad information om multivariatmodellen, inklusive träningsstatus och variabler som används i modellen.

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

Parametrar

modelId

string

Modellidentifierare.

options

AnomalyDetectorGetMultivariateModelOptionalParams

Alternativparametrarna.

Returer

Promise<AnomalyDetectorGetMultivariateModelResponse>

ärvd frånAnomalyDetector.getMultivariateModel

lastDetectAnomaly(string, LastDetectionRequest, AnomalyDetectorLastDetectAnomalyOptionalParams)

Synkroniserat API för avvikelseidentifiering.

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

Parametrar

modelId

string

Modellidentifierare.

body

LastDetectionRequest

Begäran om senaste identifiering.

options

AnomalyDetectorLastDetectAnomalyOptionalParams

Alternativparametrarna.

Returer

Promise<AnomalyDetectorLastDetectAnomalyResponse>

ärvd frånAnomalyDetector.lastDetectAnomaly

listMultivariateModel(AnomalyDetectorListMultivariateModelOptionalParams)

Lista modeller för en prenumeration

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

Parametrar

options

AnomalyDetectorListMultivariateModelOptionalParams

Alternativparametrarna.

Returer

PagedAsyncIterableIterator<AnomalyDetectorClientModelSnapshot, AnomalyDetectorClientModelSnapshot[], PageSettings>

ärvd frånAnomalyDetector.listMultivariateModel

sendOperationRequest(OperationArguments, OperationSpec, ServiceCallback<any>)

Skicka en HTTP-begäran som fylls i med den angivna OperationSpec.

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

Parametrar

operationArguments

OperationArguments

Argumenten som HTTP-begärans mallade värden fylls i från.

operationSpec

OperationSpec

Den OperationSpec som ska användas för att fylla i httpRequest.

callback

ServiceCallback<any>

Återanropet för att anropa när svaret tas emot.

Returer

Promise<RestResponse>

ärvd frånAnomalyDetector.sendOperationRequest

sendRequest(RequestPrepareOptions | WebResourceLike)

Skicka angivet httpRequest.

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

Parametrar

options

RequestPrepareOptions | WebResourceLike

Returer

Promise<HttpOperationResponse>

ärvd frånAnomalyDetector.sendRequest

trainMultivariateModel(AnomalyDetectorClientModelInfo, AnomalyDetectorTrainMultivariateModelOptionalParams)

Skapa och träna en modell för multivariatavvikelseidentifiering. Begäran måste innehålla en källparameter för att indikera en externt tillgänglig Azure Storage-URI (helst en signatur för delad åtkomst URI). Alla tidsserier som används för att generera modellen måste zippas in i en enda fil. Varje tidsserie finns i en enda CSV-fil där den första kolumnen är tidsstämpel och den andra kolumnen är värde.

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

Parametrar

body

AnomalyDetectorClientModelInfo

Utbildningsbegäran

options

AnomalyDetectorTrainMultivariateModelOptionalParams

Alternativparametrarna.

Returer

Promise<AnomalyDetectorTrainMultivariateModelResponse>

ärvd frånAnomalyDetector.trainMultivariateModel