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.AnomalyDetectorClientOperationsMixinAnomalyDetectorClient
Oluşturucu
AnomalyDetectorClient(endpoint: str, credential: AzureKeyCredential, **kwargs: Any)
Parametreler
- endpoint
- str
Desteklenen Bilişsel Hizmetler uç noktaları (protokol ve konak adı, örneğin: https://westus2.api.cognitive.microsoft.com). Gereklidir.
- credential
- AzureKeyCredential
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.
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
Döndürülenler
Hiçbiri
Dönüş türü
Özel durumlar
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
- options
- MultivariateBatchDetectionOptions veya <xref:JSON> veya IO
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
Özel durumlar
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
- options
- MultivariateLastDetectionOptions veya <xref:JSON> veya IO
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
Özel durumlar
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
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
Özel durumlar
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
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
Özel durumlar
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
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
Özel durumlar
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
Döndürülenler
MultivariateDetectionResult. MultivariateDetectionResult, MutableMapping ile uyumludur
Dönüş türü
Özel durumlar
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
Döndürülenler
AnomalyDetectionModel. AnomalyDetectionModel, MutableMapping ile uyumludur
Dönüş türü
Özel durumlar
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
Özel durumlar
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
- stream
- bool
Yanıt yükünün akışla aktarılıp aktarılmayacağı. Varsayılan değer False'tur.
Döndürülenler
Ağ çağrınızın yanıtı. Yanıtınızda hata işleme yapmaz.
Dönüş türü
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 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
Özel durumlar
Azure SDK for Python