DetectChangePointRequest interface

Paket:

@azure/ai-anomaly-detector

Die Anforderung der Änderungspunkterkennung.

Eigenschaften

customInterval	Benutzerdefiniertes Intervall wird verwendet, um ein nicht standardmäßiges Zeitintervall festzulegen, z. B. wenn die Datenreihe 5 Minuten beträgt, kann die Anforderung als {"granularity":"minutely", "customInterval":5} festgelegt werden.
granularity	Kann nur eine von jährlich, monatlich, wöchentlich, täglich, stündlich, minutenweise oder zweitens sein. Die Granularität wird verwendet, um zu überprüfen, ob die Eingabereihen gültig sind.
period	Optionales Argument, periodischer Wert einer Zeitreihe. Wenn der Wert null ist oder nicht vorhanden ist, bestimmt die API den Punkt automatisch.
series	Datenpunkte der Zeitreihe. Punkte sollten nach Zeitstempel in aufsteigender Reihenfolge sortiert werden, um dem Ergebnis der Änderungspunkterkennung zu entsprechen.
stableTrendWindow	Optionales Argument, erweiterter Modellparameter, ein standard stableTrendWindow wird in der Erkennung verwendet.
threshold	Optionales Argument, erweiterter Modellparameter zwischen 0,0-1,0, desto niedriger der Wert ist, desto größer ist der Trendfehler, was bedeutet, dass weniger Änderungspunkt akzeptiert wird.

Details zur Eigenschaft

customInterval

Benutzerdefiniertes Intervall wird verwendet, um ein nicht standardmäßiges Zeitintervall festzulegen, z. B. wenn die Datenreihe 5 Minuten beträgt, kann die Anforderung als {"granularity":"minutely", "customInterval":5} festgelegt werden.

customInterval?: number

Eigenschaftswert

number

granularity

Kann nur eine von jährlich, monatlich, wöchentlich, täglich, stündlich, minutenweise oder zweitens sein. Die Granularität wird verwendet, um zu überprüfen, ob die Eingabereihen gültig sind.

granularity: TimeGranularity

Eigenschaftswert

TimeGranularity

period

Optionales Argument, periodischer Wert einer Zeitreihe. Wenn der Wert null ist oder nicht vorhanden ist, bestimmt die API den Punkt automatisch.

period?: number

Eigenschaftswert

number

series

Datenpunkte der Zeitreihe. Punkte sollten nach Zeitstempel in aufsteigender Reihenfolge sortiert werden, um dem Ergebnis der Änderungspunkterkennung zu entsprechen.

series: TimeSeriesPoint[]

Eigenschaftswert

TimeSeriesPoint[]

stableTrendWindow

Optionales Argument, erweiterter Modellparameter, ein standard stableTrendWindow wird in der Erkennung verwendet.

stableTrendWindow?: number

Eigenschaftswert

number

threshold

Optionales Argument, erweiterter Modellparameter zwischen 0,0-1,0, desto niedriger der Wert ist, desto größer ist der Trendfehler, was bedeutet, dass weniger Änderungspunkt akzeptiert wird.

threshold?: number

Eigenschaftswert

number