anomalydetector Paket

Paket

aio
models

Klasser

AnomalyDetectorClient

AVVIKELSEIDENTIFIERING-API:et identifierar avvikelser automatiskt i tidsseriedata. Den stöder två typer av lägen, en är för tillståndslös användning, en annan är för tillståndskänslig användning. I tillståndslöst läge finns det tre funktioner. Hela identifieringen är till för att identifiera hela serien med en modell som tränats av tidsserien. Den senaste identifieringen identifierar den sista punkten med modellen tränad av punkter tidigare. ChangePoint Detect används för att identifiera trendändringar i tidsserier. I tillståndskänsligt läge kan användaren lagra tidsserier. Den lagrade tidsserien används för identifieringsavvikelser. I det här läget kan användaren fortfarande använda ovanstående tre funktioner genom att endast ge ett tidsintervall utan att förbereda tidsserier på klientsidan. Förutom ovanstående tre funktioner tillhandahåller tillståndskänslig modell även gruppbaserad identifiering och etiketteringstjänst. Genom att utnyttja etiketteringstjänstens användare kan tillhandahålla etiketter för varje identifieringsresultat, kommer dessa etiketter att användas för att omtunna eller återskapa identifieringsmodeller. Inkonsekvensidentifiering är en typ av gruppbaserad identifiering. Den här identifieringen hittar inkonsekvens i en uppsättning tidsserier. Med hjälp av tjänsten för avvikelseidentifiering kan företagskunder identifiera incidenter och upprätta ett logikflöde för rotorsaksanalys.