AnomalyDetectorClient Sınıf

Anomali Algılayıcısı API'si zaman serisi verilerindeki anomalileri otomatik olarak algılar. İki tür modu destekler; biri durum bilgisi olmayan kullanımı, diğeri durum bilgisi olan kullanımı destekler. Durum bilgisi olmayan modda üç işlev vardır. Tüm Algılama, zaman serisi tarafından eğitilen modelle serinin tamamını algılamaya yöneliktir. Son Algılama, önceki noktalarla eğitilen modelin son noktasını algılar. ChangePoint Algılama, zaman serisindeki eğilim değişikliklerini algılamaya yöneliktir. Durum bilgisi olan modda, kullanıcı zaman serisini depolayabilir, depolanan zaman serisi anomalileri algılamak için kullanılır. Bu mod altında, kullanıcı istemci tarafında zaman serisi hazırlamadan yalnızca bir zaman aralığı vererek yukarıdaki üç işlevi kullanmaya devam edebilir. Durum bilgisi olan model, yukarıdaki üç işlevin yanı sıra grup tabanlı algılama ve etiketleme hizmeti de sağlar. Etiketleme hizmetinden yararlanarak kullanıcı her algılama sonucu için etiketler sağlayabilir, bu etiketler algılama modellerini yeniden düzenlemek veya yeniden düzenlemek için kullanılır. Tutarsızlık algılama bir tür grup tabanlı algılamadır, bu algılama bir dizi zaman serisinde tutarsız olanları bulur. İş müşterileri anomali algılayıcısı hizmetini kullanarak olayları keşfedebilir ve kök neden analizi için bir mantık akışı oluşturabilir.

Devralma

azure.ai.anomalydetector.aio._operations._operations.AnomalyDetectorClientOperationsMixin

AnomalyDetectorClient

Oluşturucu

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

Parametreler

endpoint

str

Gerekli

Desteklenen Bilişsel Hizmetler uç noktaları (protokol ve konak adı, örneğin: https://westus2.api.cognitive.microsoft.com). Gereklidir.

credential

AzureKeyCredential

Gerekli

İstemcinin Azure'a bağlanması için gereken kimlik bilgileri. Gereklidir.

api_version

str

Api Sürümü. Varsayılan değer "v1.1"dir. Bu varsayılan değeri geçersiz kılmanın desteklenmeyen davranışa neden olabileceğini unutmayın.

Yöntemler

close
delete_multivariate_model	Çok Değişkenli Modeli sil. ModelKimliği'ne göre var olan bir çok değişkenli modeli silin.
detect_multivariate_batch_anomaly	Çok Değişkenli Anomaliyi Algılama. Eğitilen model ve çıkarım verilerinin modelKimliği ile çok değişkenli anomali algılama görevi gönderin; giriş şeması eğitim isteğiyle aynı olmalıdır. İstek zaman uyumsuz olarak tamamlanır ve algılama sonucunu sorgulamak için bir resultId döndürür. İstek, dışarıdan erişilebilen bir Azure depolama Uri'sini belirtmek için bir kaynak bağlantı olmalıdır. Bu bağlantı bir Azure blob depolama klasörüne veya Azure blob depolamadaki bir CSV dosyasına işaret eder.
detect_multivariate_last_anomaly	İstek gövdesinin son noktasındaki anomalileri algılama. Eğitilen model ve çıkarım verilerinin modelKimliği ile çok değişkenli anomali algılama görevi gönderin ve çıkarım verileri JSON biçiminde istek gövdesine yerleştirilmelidir. İstek zaman uyumlu olarak tamamlanır ve algılamayı yanıt gövdesinde hemen döndürür.
detect_univariate_change_point	Serinin tamamı için değişiklik noktasını algılama. Her seri noktasının değişiklik noktası puanını değerlendirin.
detect_univariate_entire_series	Serinin tamamı için anomalileri toplu olarak algılama. Bu işlem, serinin tamamına sahip bir model oluşturur ve her nokta aynı modelle algılanır. Bu yöntemle, anomali olup olmadığını belirlemek için belirli bir noktadan önceki ve sonraki noktalar kullanılır. Algılamanın tamamı kullanıcıya zaman serisinin genel durumunu verebilir.
detect_univariate_last_point	Zaman serisindeki en son noktanın anomali durumunu algılama. Bu işlem, API'ye gönderdiğiniz noktaları kullanarak ve son noktanın anormal olup olmadığını belirlemek için tüm verileri temel alan bir model oluşturur.
get_multivariate_batch_detection_result	Çok Değişkenli Anomali Algılama Sonucu alın. Zaman uyumsuz çıkarım için BatchDetectAnomaly api'sinin döndürdüğü resultId değerini temel alan çok değişkenli anomali algılama sonucu alın.
get_multivariate_model	Çok Değişkenli Model alın. Eğitim durumu ve modelde kullanılan değişkenler de dahil olmak üzere çok değişkenli modelin ayrıntılı bilgilerini alın.
list_multivariate_models	Çok Değişkenli Modelleri Listeleyin. Kaynağın modellerini listeleme.
send_request	ağ isteğini istemcinin zincirlenmiş ilkeleri aracılığıyla çalıştırır. >>> from azure.core.rest import HttpRequest >>> request = HttpRequest("GET", "https://www.example.org/") <HttpRequest [GET], url: 'https://www.example.org/'> >>> response = await client.send_request(request) <AsyncHttpResponse: 200 OK> Bu kod akışı hakkında daha fazla bilgi için bkz. https://aka.ms/azsdk/dpcodegen/python/send_request
train_multivariate_model	Çok Değişkenli Bir Anomali Algılama Modeli Eğitin. Çok değişkenli bir anomali algılama modeli oluşturun ve eğitin. İstek, dışarıdan erişilebilir bir Azure blob depolama URI'sini göstermek için bir kaynak parametresi içermelidir. İki tür veri girişi vardır: Birden çok CSV dosyası içeren bir Azure blob depolama klasörüne işaret eden bir URI ve her CSV dosyası zaman damgası ve değişken olmak üzere iki sütun içerir. Bir diğer giriş türü de Azure blob depolamada tüm değişkenleri ve zaman damgası sütununu içeren CSV dosyasına işaret eden bir URI'dir.

close

async close() -> None

delete_multivariate_model

Çok Değişkenli Modeli sil.

ModelKimliği'ne göre var olan bir çok değişkenli modeli silin.

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

Parametreler

model_id

str

Gerekli

Model tanımlayıcısı. Gereklidir.

Döndürülenler

Hiçbiri

Dönüş türü

None

Özel durumlar

HttpResponseError

detect_multivariate_batch_anomaly

Çok Değişkenli Anomaliyi Algılama.

Eğitilen model ve çıkarım verilerinin modelKimliği ile çok değişkenli anomali algılama görevi gönderin; giriş şeması eğitim isteğiyle aynı olmalıdır. İstek zaman uyumsuz olarak tamamlanır ve algılama sonucunu sorgulamak için bir resultId döndürür. İstek, dışarıdan erişilebilen bir Azure depolama Uri'sini belirtmek için bir kaynak bağlantı olmalıdır. Bu bağlantı bir Azure blob depolama klasörüne veya Azure blob depolamadaki bir CSV dosyasına işaret eder.

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

Parametreler

model_id

str

Gerekli

Model tanımlayıcısı. Gereklidir.

options

MultivariateBatchDetectionOptions veya <xref:JSON> veya IO

Gerekli

Çok değişkenli anomali algılama isteği. Şu türlerden biridir: model, JSON, GÇ Gerekli.

content_type

str

Gövde parametresi Content-Type. Bilinen değerler şunlardır: application/json. Varsayılan değer Yok'tır.

Döndürülenler

MultivariateDetectionResult. MultivariateDetectionResult, MutableMapping ile uyumludur

Dönüş türü

MultivariateDetectionResult

Özel durumlar

HttpResponseError

detect_multivariate_last_anomaly

İstek gövdesinin son noktasındaki anomalileri algılama.

Eğitilen model ve çıkarım verilerinin modelKimliği ile çok değişkenli anomali algılama görevi gönderin ve çıkarım verileri JSON biçiminde istek gövdesine yerleştirilmelidir. İstek zaman uyumlu olarak tamamlanır ve algılamayı yanıt gövdesinde hemen döndürür.

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

Parametreler

model_id

str

Gerekli

Model tanımlayıcısı. Gereklidir.

options

MultivariateLastDetectionOptions veya <xref:JSON> veya IO

Gerekli

Son algılama isteği. Şu türlerden biridir: model, JSON, GÇ Gerekli.

content_type

str

Gövde parametresi Content-Type. Bilinen değerler şunlardır: application/json. Varsayılan değer Yok'tır.

Döndürülenler

MultivariateLastDetectionResult. MultivariateLastDetectionResult, MutableMapping ile uyumludur

Dönüş türü

MultivariateLastDetectionResult

Özel durumlar

HttpResponseError

detect_univariate_change_point

Serinin tamamı için değişiklik noktasını algılama.

Her seri noktasının değişiklik noktası puanını değerlendirin.

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

Parametreler

options

UnivariateChangePointDetectionOptions veya <xref:JSON> veya IO

Gerekli

Tek değişkenli anomali algılama yöntemi. Şu türlerden biridir: model, JSON, GÇ Gerekli.

content_type

str

Gövde parametresi Content-Type. Bilinen değerler şunlardır: application/json. Varsayılan değer Yok'tır.

Döndürülenler

UnivariateChangePointDetectionResult. UnivariateChangePointDetectionResult, MutableMapping ile uyumludur

Dönüş türü

UnivariateChangePointDetectionResult

Özel durumlar

HttpResponseError

detect_univariate_entire_series

Serinin tamamı için anomalileri toplu olarak algılama.

Bu işlem, serinin tamamına sahip bir model oluşturur ve her nokta aynı modelle algılanır. Bu yöntemle, anomali olup olmadığını belirlemek için belirli bir noktadan önceki ve sonraki noktalar kullanılır. Algılamanın tamamı kullanıcıya zaman serisinin genel durumunu verebilir.

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

Parametreler

options

UnivariateDetectionOptions veya <xref:JSON> veya IO

Gerekli

Tek değişkenli anomali algılama yöntemi. Şu türlerden biridir: model, JSON, GÇ Gerekli.

content_type

str

Gövde parametresi Content-Type. Bilinen değerler şunlardır: application/json. Varsayılan değer Yok'tır.

Döndürülenler

UnivariateEntireDetectionResult. UnivariateEntireDetectionResult, MutableMapping ile uyumludur

Dönüş türü

UnivariateEntireDetectionResult

Özel durumlar

HttpResponseError

detect_univariate_last_point

Zaman serisindeki en son noktanın anomali durumunu algılama.

Bu işlem, API'ye gönderdiğiniz noktaları kullanarak ve son noktanın anormal olup olmadığını belirlemek için tüm verileri temel alan bir model oluşturur.

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

Parametreler

options

UnivariateDetectionOptions veya <xref:JSON> veya IO

Gerekli

Tek değişkenli anomali algılama yöntemi. Şu türlerden biridir: model, JSON, GÇ Gerekli.

content_type

str

Gövde parametresi Content-Type. Bilinen değerler şunlardır: application/json. Varsayılan değer Yok'tır.

Döndürülenler

UnivariateLastDetectionResult. UnivariateLastDetectionResult, MutableMapping ile uyumludur

Dönüş türü

UnivariateLastDetectionResult

Özel durumlar

HttpResponseError

get_multivariate_batch_detection_result

Çok Değişkenli Anomali Algılama Sonucu alın.

Zaman uyumsuz çıkarım için BatchDetectAnomaly api'sinin döndürdüğü resultId değerini temel alan çok değişkenli anomali algılama sonucu alın.

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

Parametreler

result_id

str

Gerekli

Toplu algılama sonucunun kimliği. Gereklidir.

Döndürülenler

MultivariateDetectionResult. MultivariateDetectionResult, MutableMapping ile uyumludur

Dönüş türü

MultivariateDetectionResult

Özel durumlar

HttpResponseError

get_multivariate_model

Çok Değişkenli Model alın.

Eğitim durumu ve modelde kullanılan değişkenler de dahil olmak üzere çok değişkenli modelin ayrıntılı bilgilerini alın.

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

Parametreler

model_id

str

Gerekli

Model tanımlayıcısı. Gereklidir.

Döndürülenler

AnomalyDetectionModel. AnomalyDetectionModel, MutableMapping ile uyumludur

Dönüş türü

AnomalyDetectionModel

Özel durumlar

HttpResponseError

list_multivariate_models

Çok Değişkenli Modelleri Listeleyin.

Kaynağın modellerini listeleme.

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

Parametreler

skip

int

Atla, kaç modelin atılacağını gösterir. Varsayılan değer Yok'tur.

top

int

Top, kaç modelin getirileceğini gösterir. Varsayılan değer Yok'tur.

Döndürülenler

AnomalyDetectionModel örneği gibi bir yineleyici. AnomalyDetectionModel, MutableMapping ile uyumludur

Dönüş türü

AsyncItemPaged[AnomalyDetectionModel]

Özel durumlar

HttpResponseError

send_request

ağ isteğini istemcinin zincirlenmiş ilkeleri aracılığıyla çalıştırır.

>>> from azure.core.rest import HttpRequest
>>> request = HttpRequest("GET", "https://www.example.org/")
<HttpRequest [GET], url: 'https://www.example.org/'>
>>> response = await client.send_request(request)
<AsyncHttpResponse: 200 OK>

Bu kod akışı hakkında daha fazla bilgi için bkz. https://aka.ms/azsdk/dpcodegen/python/send_request

send_request(request: HttpRequest, **kwargs: Any) -> Awaitable[AsyncHttpResponse]

Parametreler

request

HttpRequest

Gerekli

Yapmak istediğiniz ağ isteği. Gereklidir.

stream

bool

Yanıt yükünün akışla aktarılıp aktarılmayacağı. Varsayılan değer False'tur.

Döndürülenler

Ağ çağrınızın yanıtı. Yanıtınızda hata işleme yapmaz.

Dönüş türü

AsyncHttpResponse

train_multivariate_model

Çok Değişkenli Bir Anomali Algılama Modeli Eğitin.

Çok değişkenli bir anomali algılama modeli oluşturun ve eğitin. İstek, dışarıdan erişilebilir bir Azure blob depolama URI'sini göstermek için bir kaynak parametresi içermelidir. İki tür veri girişi vardır: Birden çok CSV dosyası içeren bir Azure blob depolama klasörüne işaret eden bir URI ve her CSV dosyası zaman damgası ve değişken olmak üzere iki sütun içerir. Bir diğer giriş türü de Azure blob depolamada tüm değişkenleri ve zaman damgası sütununu içeren CSV dosyasına işaret eden bir URI'dir.

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

Parametreler

model_info

ModelInfo veya <xref:JSON> veya IO

Gerekli

Model bilgileri. Aşağıdaki türlerden biridir: model, JSON, GÇ Gerekli.

content_type

str

Gövde parametresi Content-Type. Bilinen değerler şunlardır: application/json. Varsayılan değer Yok'tur.

Döndürülenler

AnomalyDetectionModel. AnomalyDetectionModel, MutableMapping ile uyumludur

Dönüş türü

AnomalyDetectionModel

Özel durumlar

HttpResponseError