Compartir a través de


AnomalyDetectorClient.DetectMultivariateLastAnomaly Método

Definición

Sobrecargas

DetectMultivariateLastAnomaly(String, RequestContent, RequestContext)

[Método Protocol] Detección de anomalías en el último punto del cuerpo de la solicitud

DetectMultivariateLastAnomaly(String, MultivariateLastDetectionOptions, CancellationToken)

Detecte anomalías en el último punto del cuerpo de la solicitud.

DetectMultivariateLastAnomaly(String, RequestContent, RequestContext)

Source:
AnomalyDetectorClient.cs

[Método Protocol] Detección de anomalías en el último punto del cuerpo de la solicitud

public virtual Azure.Response DetectMultivariateLastAnomaly (string modelId, Azure.Core.RequestContent content, Azure.RequestContext context = default);
abstract member DetectMultivariateLastAnomaly : string * Azure.Core.RequestContent * Azure.RequestContext -> Azure.Response
override this.DetectMultivariateLastAnomaly : string * Azure.Core.RequestContent * Azure.RequestContext -> Azure.Response
Public Overridable Function DetectMultivariateLastAnomaly (modelId As String, content As RequestContent, Optional context As RequestContext = Nothing) As Response

Parámetros

modelId
String

Identificador del modelo.

content
RequestContent

Contenido que se va a enviar como el cuerpo de la solicitud.

context
RequestContext

Contexto de solicitud, que puede invalidar los comportamientos predeterminados de la canalización de cliente por llamada.

Devoluciones

Respuesta devuelta desde el servicio.

Excepciones

modelId o content es null.

modelId es una cadena vacía y se espera que no esté vacía.

El servicio devolvió un código de estado no correcto.

Ejemplos

En este ejemplo se muestra cómo llamar a DetectMultivariateLastAnomaly con los parámetros necesarios y el contenido de la solicitud, y cómo analizar el resultado.

var credential = new AzureKeyCredential("<key>");
var endpoint = new Uri("<https://my-service.azure.com>");
var client = new AnomalyDetectorClient(endpoint, credential);

var data = new {
    variables = new[] {
        new {
            variable = "<variable>",
            timestamps = new[] {
                "<String>"
            },
            values = new[] {
                123.45f
            },
        }
    },
};

Response response = client.DetectMultivariateLastAnomaly("<modelId>", RequestContent.Create(data));

JsonElement result = JsonDocument.Parse(response.ContentStream).RootElement;
Console.WriteLine(result.ToString());

En este ejemplo se muestra cómo llamar a DetectMultivariateLastAnomaly con todos los parámetros y el contenido de la solicitud, y cómo analizar el resultado.

var credential = new AzureKeyCredential("<key>");
var endpoint = new Uri("<https://my-service.azure.com>");
var client = new AnomalyDetectorClient(endpoint, credential);

var data = new {
    variables = new[] {
        new {
            variable = "<variable>",
            timestamps = new[] {
                "<String>"
            },
            values = new[] {
                123.45f
            },
        }
    },
    topContributorCount = 1234,
};

Response response = client.DetectMultivariateLastAnomaly("<modelId>", RequestContent.Create(data), new RequestContext());

JsonElement result = JsonDocument.Parse(response.ContentStream).RootElement;
Console.WriteLine(result.GetProperty("variableStates")[0].GetProperty("variable").ToString());
Console.WriteLine(result.GetProperty("variableStates")[0].GetProperty("filledNARatio").ToString());
Console.WriteLine(result.GetProperty("variableStates")[0].GetProperty("effectiveCount").ToString());
Console.WriteLine(result.GetProperty("variableStates")[0].GetProperty("firstTimestamp").ToString());
Console.WriteLine(result.GetProperty("variableStates")[0].GetProperty("lastTimestamp").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("timestamp").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("value").GetProperty("isAnomaly").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("value").GetProperty("severity").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("value").GetProperty("score").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("value").GetProperty("interpretation")[0].GetProperty("variable").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("value").GetProperty("interpretation")[0].GetProperty("contributionScore").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("value").GetProperty("interpretation")[0].GetProperty("correlationChanges").GetProperty("changedVariables")[0].ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("errors")[0].GetProperty("code").ToString());
Console.WriteLine(result.GetProperty("results")[0].GetProperty("errors")[0].GetProperty("message").ToString());

Comentarios

Envíe la tarea de detección de anomalías multivariante con el modelId de los datos de inferencia y modelo entrenados, y los datos de inferencia deben colocarse en el cuerpo de la solicitud en un formato JSON. La solicitud se completará sincrónicamente y devolverá la detección inmediatamente en el cuerpo de la respuesta.

A continuación se muestra el esquema JSON para las cargas de solicitud y respuesta.

Cuerpo de la solicitud:

Esquema para MultivariateLastDetectionOptions:

{
  variables: [
    {
      variable: string, # Required.
      timestamps: [string], # Required.
      values: [number], # Required.
    }
  ], # Required.
  topContributorCount: number, # Required.
}

Cuerpo de la respuesta:

Esquema para MultivariateLastDetectionResult:

{
  variableStates: [
    {
      variable: string, # Optional.
      filledNARatio: number, # Optional.
      effectiveCount: number, # Optional.
      firstTimestamp: string (date & time), # Optional.
      lastTimestamp: string (date & time), # Optional.
    }
  ], # Optional.
  results: [AnomalyState], # Optional.
}

Se aplica a

DetectMultivariateLastAnomaly(String, MultivariateLastDetectionOptions, CancellationToken)

Source:
AnomalyDetectorClient.cs

Detecte anomalías en el último punto del cuerpo de la solicitud.

public virtual Azure.Response<Azure.AI.AnomalyDetector.MultivariateLastDetectionResult> DetectMultivariateLastAnomaly (string modelId, Azure.AI.AnomalyDetector.MultivariateLastDetectionOptions options, System.Threading.CancellationToken cancellationToken = default);
abstract member DetectMultivariateLastAnomaly : string * Azure.AI.AnomalyDetector.MultivariateLastDetectionOptions * System.Threading.CancellationToken -> Azure.Response<Azure.AI.AnomalyDetector.MultivariateLastDetectionResult>
override this.DetectMultivariateLastAnomaly : string * Azure.AI.AnomalyDetector.MultivariateLastDetectionOptions * System.Threading.CancellationToken -> Azure.Response<Azure.AI.AnomalyDetector.MultivariateLastDetectionResult>
Public Overridable Function DetectMultivariateLastAnomaly (modelId As String, options As MultivariateLastDetectionOptions, Optional cancellationToken As CancellationToken = Nothing) As Response(Of MultivariateLastDetectionResult)

Parámetros

modelId
String

Identificador del modelo.

options
MultivariateLastDetectionOptions

Solicitud de la última detección.

cancellationToken
CancellationToken

Token de cancelación que se va a usar.

Devoluciones

Excepciones

modelId o options es null.

modelId es una cadena vacía y se espera que no esté vacía.

Ejemplos

En este ejemplo se muestra cómo llamar a DetectMultivariateLastAnomaly con los parámetros necesarios.

var credential = new AzureKeyCredential("<key>");
var endpoint = new Uri("<https://my-service.azure.com>");
var client = new AnomalyDetectorClient(endpoint, credential);

var options = new MultivariateLastDetectionOptions(new VariableValues[] 
{
    new VariableValues("<variable>", new string[] 
{
        "<null>"
    }, new float[] 
{
        3.14f
    })
})
{
    TopContributorCount = 1234,
};
var result = client.DetectMultivariateLastAnomaly("<modelId>", options);

Comentarios

Envíe una tarea de detección de anomalías multivariante con el valor modelId de un modelo entrenado y datos de inferencia. Los datos de inferencia deben colocarse en el cuerpo de la solicitud en formato JSON. La solicitud finalizará sincrónicamente y devolverá la detección inmediatamente en el cuerpo de la respuesta.

Se aplica a