AnomalyDetectorClient 類別

參考

異常偵測程式 API 會自動偵測時間序列資料中的異常狀況。它支援兩種模式，一種用於無狀態使用，另一種則用於具狀態使用。在無狀態模式中，有三個功能。整個偵測是用來偵測整個數列，並使用時間序列定型的模型，[上次偵測] 會偵測最後一個點，並偵測之前以點定型的模型。 ChangePoint 偵測用於偵測時間序列中的趨勢變更。在具狀態模式中，使用者可以儲存時間序列，儲存的時間序列將用於偵測異常狀況。在此模式下，使用者仍然可以使用上述三個功能，方法是只提供時間範圍，而不需要在用戶端準備時間序列。除了上述三個功能之外，具狀態模型也提供群組型偵測和標記服務。利用標籤服務使用者可以為每個偵測結果提供標籤，這些標籤將用於重新調整或重新產生偵測模型。不一致偵測是一種以群組為基礎的偵測，此偵測會在一組時間序列中找到不一致的偵測。藉由使用異常偵測器服務，商務客戶可以探索事件，並建立根本原因分析的邏輯流程。

繼承: azure.ai.anomalydetector._operations._operations.AnomalyDetectorClientOperationsMixin

AnomalyDetectorClient

建構函式

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

參數

endpoint: str

必要

支援的認知服務端點 (通訊協定和主機名稱，例如： https://westus2.api.cognitive.microsoft.com) 。必要。

credential: AzureKeyCredential

必要

用戶端連線到 Azure 所需的認證。必要。

api_version: str

API 版本。預設值為「v1.1」。請注意，覆寫此預設值可能會導致不支援的行為。

方法

close
delete_multivariate_model	刪除多變數模型。根據 modelId 刪除現有的多變量模型。
detect_multivariate_batch_anomaly	偵測多重變數異常。使用定型模型和推斷資料的 modelId 提交多重變數異常偵測工作，輸入架構應該與定型要求相同。要求會以非同步方式完成，並傳回 resultId 來查詢偵測結果。要求應該是來源連結，以指出可從外部存取的 Azure 儲存體 URI、指向 Azure Blob 儲存體資料夾，或指向 Azure Blob 儲存體中的 CSV 檔案。
detect_multivariate_last_anomaly	在要求本文的最後一個點偵測異常。使用定型模型和推斷資料的 modelId 提交多重變數異常偵測工作，而且推斷資料應以 JSON 格式放入要求本文中。要求會以同步方式完成，並在回應本文中立即傳回偵測。
detect_univariate_change_point	偵測整個數列的變更點。評估每個數列點的變更點分數。
detect_univariate_entire_series	偵測批次中整個數列的異常狀況。這項作業會產生具有整個數列的模型，每個點都會以相同的模型偵測到。使用此方法時，會使用特定點前後的點來判斷其是否為異常。整個偵測可以為使用者提供時間序列的整體狀態。
detect_univariate_last_point	偵測時間序列中最新點的異常狀態。此作業會使用您傳送至 API 的點產生模型，並根據所有資料來判斷最後一個點是否異常。
get_multivariate_batch_detection_result	取得多重變數異常偵測結果。針對非同步推斷，請根據 BatchDetectAnomaly api 傳回的 resultId，取得多重變數異常偵測結果。
get_multivariate_model	取得多重變數模型。取得多變數模型的詳細資訊，包括模型中使用的定型狀態和變數。
list_multivariate_models	列出多變數模型。列出資源的模型。
send_request	透過用戶端的鏈結原則執行網路要求。 `>>> 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>` 如需此程式碼流程的詳細資訊，請參閱 https://aka.ms/azsdk/dpcodegen/python/send_request
train_multivariate_model	定型多重變數異常偵測模型。建立和定型多重變數異常偵測模型。要求必須包含來源參數，以指出可從外部存取的 Azure Blob 儲存體 URI。資料輸入有兩種類型：指向包含多個 CSV 檔案的 Azure Blob 儲存體資料夾的 URI，而每個 CSV 檔案都包含兩個數據行：時間戳記和變數。另一種輸入類型是指向 Azure Blob 儲存體中 CSV 檔案的 URI，其中包含所有變數和時間戳記資料行。

close

close() -> None

delete_multivariate_model

刪除多變數模型。

根據 modelId 刪除現有的多變量模型。

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

參數

model_id: str

必要

模型識別碼。必要。

傳回

無

傳回類型

None

例外狀況

HttpResponseError

detect_multivariate_batch_anomaly

偵測多重變數異常。

使用定型模型和推斷資料的 modelId 提交多重變數異常偵測工作，輸入架構應該與定型要求相同。要求會以非同步方式完成，並傳回 resultId 來查詢偵測結果。要求應該是來源連結，以指出可從外部存取的 Azure 儲存體 URI、指向 Azure Blob 儲存體資料夾，或指向 Azure Blob 儲存體中的 CSV 檔案。

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

參數

model_id: str

必要

模型識別碼。必要。

options: MultivariateBatchDetectionOptions 或 <xref:JSON> 或 IO

必要

多重變數異常偵測的要求。這是下列其中一種類型：模型、JSON、IO 必要。

content_type: str

Body 參數 Content-Type。已知值為：application/json。預設值為 [無]。

傳回

MultivariateDetectionResult。 MultivariateDetectionResult 與 MutableMapping 相容

傳回類型

MultivariateDetectionResult

例外狀況

HttpResponseError

detect_multivariate_last_anomaly

在要求本文的最後一個點偵測異常。

使用定型模型和推斷資料的 modelId 提交多重變數異常偵測工作，而且推斷資料應以 JSON 格式放入要求本文中。要求會以同步方式完成，並在回應本文中立即傳回偵測。

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

參數

model_id: str

必要

模型識別碼。必要。

options: MultivariateLastDetectionOptions 或 <xref:JSON> 或 IO

必要

上次偵測的要求。這是下列其中一種類型：模型、JSON、IO 必要。

content_type: str

Body 參數 Content-Type。已知值為：application/json。預設值為 [無]。

傳回

MultivariateLastDetectionResult。 MultivariateLastDetectionResult 與 MutableMapping 相容

傳回類型

MultivariateLastDetectionResult

例外狀況

HttpResponseError

detect_univariate_change_point

偵測整個數列的變更點。

評估每個數列點的變更點分數。

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

參數

options: UnivariateChangePointDetectionOptions 或 <xref:JSON> 或 IO

必要

單變數異常偵測的方法。這是下列其中一種類型：模型、JSON、IO 必要。

content_type: str

Body 參數 Content-Type。已知值為：application/json。預設值為 [無]。

傳回

UnivariateChangePointDetectionResult。 UnivariateChangePointDetectionResult 與 MutableMapping 相容

傳回類型

UnivariateChangePointDetectionResult

例外狀況

HttpResponseError

detect_univariate_entire_series

偵測批次中整個數列的異常狀況。

這項作業會產生具有整個數列的模型，每個點都會以相同的模型偵測到。使用此方法時，會使用特定點前後的點來判斷其是否為異常。整個偵測可以為使用者提供時間序列的整體狀態。

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

參數

options: UnivariateDetectionOptions 或 <xref:JSON> 或 IO

必要

單變數異常偵測的方法。這是下列其中一種類型：模型、JSON、IO 必要。

content_type: str

Body 參數 Content-Type。已知值為：application/json。預設值為 [無]。

傳回

UnivariateEntireDetectionResult。 UnivariateEntireDetectionResult 與 MutableMapping 相容

傳回類型

UnivariateEntireDetectionResult

例外狀況

HttpResponseError

detect_univariate_last_point

偵測時間序列中最新點的異常狀態。

此作業會使用您傳送至 API 的點產生模型，並根據所有資料來判斷最後一個點是否異常。

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

參數

options: UnivariateDetectionOptions 或 <xref:JSON> 或 IO

必要

單變數異常偵測的方法。這是下列其中一種類型：模型、JSON、IO 必要。

content_type: str

Body 參數 Content-Type。已知值為：application/json。預設值為 [無]。

傳回

UnivariateLastDetectionResult。 UnivariateLastDetectionResult 與 MutableMapping 相容

傳回類型

UnivariateLastDetectionResult

例外狀況

HttpResponseError

get_multivariate_batch_detection_result

取得多重變數異常偵測結果。

針對非同步推斷，請根據 BatchDetectAnomaly api 傳回的 resultId，取得多重變數異常偵測結果。

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

參數

result_id: str

必要

批次偵測結果的識別碼。必要。

傳回

MultivariateDetectionResult。 MultivariateDetectionResult 與 MutableMapping 相容

傳回類型

MultivariateDetectionResult

例外狀況

HttpResponseError

get_multivariate_model

取得多重變數模型。

取得多變數模型的詳細資訊，包括模型中使用的定型狀態和變數。

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

參數

model_id: str

必要

模型識別碼。必要。

傳回

AnomalyDetectionModel。 AnomalyDetectionModel 與 MutableMapping 相容

傳回類型

AnomalyDetectionModel

例外狀況

HttpResponseError

list_multivariate_models

列出多變數模型。

列出資源的模型。

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

參數

skip: int

Skip 表示將會略過多少個模型。預設值為 [無]。

top: int

Top 指出將擷取多少模型。預設值為 [無]。

傳回

Iterator，例如 AnomalyDetectionModel 的實例。 AnomalyDetectionModel 與 MutableMapping 相容

傳回類型

ItemPaged[AnomalyDetectionModel]

例外狀況

HttpResponseError

send_request

透過用戶端的鏈結原則執行網路要求。


>>> 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>

如需此程式碼流程的詳細資訊，請參閱 https://aka.ms/azsdk/dpcodegen/python/send_request

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

參數

request: HttpRequest

必要

您想要進行的網路要求。必要。

stream: bool

是否要串流回應承載。預設為 False。

傳回

網路呼叫的回應。不會對回應執行錯誤處理。

傳回類型

HttpResponse

train_multivariate_model

定型多重變數異常偵測模型。

建立和定型多重變數異常偵測模型。要求必須包含來源參數，以指出可從外部存取的 Azure Blob 儲存體 URI。資料輸入有兩種類型：指向包含多個 CSV 檔案的 Azure Blob 儲存體資料夾的 URI，而每個 CSV 檔案都包含兩個數據行：時間戳記和變數。另一種輸入類型是指向 Azure Blob 儲存體中 CSV 檔案的 URI，其中包含所有變數和時間戳記資料行。

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

參數

model_info: ModelInfo 或 <xref:JSON> 或 IO

必要

模型資訊。這是下列其中一種類型：模型、JSON、IO 必要。

content_type: str

Body 參數 Content-Type。已知值為：application/json。預設值為 [無]。

傳回

AnomalyDetectionModel。 AnomalyDetectionModel 與 MutableMapping 相容

傳回類型

AnomalyDetectionModel

例外狀況

HttpResponseError

共用方式為

AnomalyDetectorClient 類別

建構函式

參數

方法

close

delete_multivariate_model

參數

傳回

傳回類型

例外狀況

detect_multivariate_batch_anomaly

參數

傳回

傳回類型

例外狀況

detect_multivariate_last_anomaly

參數

傳回

傳回類型

例外狀況

detect_univariate_change_point

參數

傳回

傳回類型

例外狀況

detect_univariate_entire_series

參數

傳回

傳回類型

例外狀況

detect_univariate_last_point

參數

傳回

傳回類型

例外狀況

get_multivariate_batch_detection_result

參數

傳回

傳回類型

例外狀況

get_multivariate_model

參數

傳回

傳回類型

例外狀況

list_multivariate_models

參數

傳回

傳回類型

例外狀況

send_request

參數

傳回

傳回類型

train_multivariate_model

參數

傳回

傳回類型

例外狀況

意見反應

其他資源