AnomalyDetector class

Inicializa uma nova instância da classe AnomalyDetector.

new AnomalyDetector(endpoint: string, options?: AnomalyDetectorOptionalParams)

Parâmetros

apiVersion: string

Valor de Propriedade

herdado deAnomalyDetectorContext.apiVersion

endpoint: string

Valor de Propriedade

herdado deAnomalyDetectorContext.endpoint

Excluir um modelo multivariado existente de acordo com o modelId

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

Parâmetros

Devoluções

Enviar tarefa de deteção de anomalia multivariada com o modelo treinado de modelId, o esquema de entrada deve ser o mesmo com a solicitação de treinamento. Assim, a solicitação será concluída de forma assíncrona e retornará um resultId para consultar o resultado da deteção. A solicitação deve ser um link de origem para indicar um Uri de armazenamento do Azure acessível externamente (de preferência um Uri de Assinatura de Acesso Compartilhado). Todas as séries temporais usadas na geração do modelo devem ser compactadas em um único arquivo. Cada série temporal será a seguinte: a primeira coluna é carimbo de data/hora e a segunda coluna é valor.

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

Parâmetros

Devoluções

Avalie a pontuação de pontos de alteração de cada ponto da série

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

Parâmetros

Devoluções

Esta operação gera um modelo com uma série inteira, cada ponto é detetado com o mesmo modelo. Com este método, os pontos antes e depois de um determinado ponto são usados para determinar se é uma anomalia. Toda a deteção pode dar ao usuário um status geral da série temporal.

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

Parâmetros

Devoluções

Esta operação gera um modelo usando pontos antes do mais recente. Com este método, apenas pontos históricos são usados para determinar se o ponto alvo é uma anomalia. A última operação de deteção de pontos corresponde ao cenário de monitoramento em tempo real das métricas de negócios.

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

Parâmetros

Devoluções

Exportar modelo de deteção de anomalias multivariadas com base em modelId

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

Parâmetros

Devoluções

Obtenha um resultado de deteção de anomalias multivariado com base no resultId retornado pela api DetectAnomalyAsync

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

Parâmetros

Devoluções

Obtenha informações detalhadas do modelo multivariado, incluindo o status de treinamento e as variáveis usadas no modelo.

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

Parâmetros

Devoluções

API sincronizada para deteção de anomalias.

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

Parâmetros

Devoluções

Listar modelos de uma assinatura

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

Parâmetros

Devoluções

Crie e treine um modelo multivariado de deteção de anomalias. A solicitação deve incluir um parâmetro de origem para indicar um Uri de armazenamento do Azure acessível externamente (de preferência um Uri de Assinatura de Acesso Compartilhado). Todas as séries temporais usadas na geração do modelo devem ser compactadas em um único arquivo. Cada série temporal estará em um único arquivo CSV no qual a primeira coluna é carimbo de data/hora e a segunda coluna é valor.

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

Parâmetros

Devoluções

Envie uma solicitação HTTP que é preenchida usando o OperationSpec fornecido.

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

Parâmetros

Devoluções

herdado de AnomalyDetectorContext.sendOperationRequest

Envie o httpRequest fornecido.

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

Parâmetros

Devoluções

herdado de AnomalyDetectorContext.sendRequest