AnomalyDetectorClient.DetectUnivariateLastPointAsync Méthode

Définition

Espace de noms:

Azure.AI.AnomalyDetector

Assembly:

Azure.AI.AnomalyDetector.dll

Paquet:

Azure.AI.AnomalyDetector v3.0.0-preview.7

Surcharges

DetectUnivariateLastPointAsync(UnivariateDetectionOptions, CancellationToken)	Détectez les status d’anomalie du dernier point de la série chronologique.
DetectUnivariateLastPointAsync(RequestContent, RequestContext)	[Méthode de protocole] Détectez les status d’anomalie du dernier point de la série chronologique. Cette méthode de protocole permet la création explicite de la demande et le traitement de la réponse pour les scénarios avancés. Essayez d’abord la surcharge de commodité plus simple DetectUnivariateLastPointAsync(UnivariateDetectionOptions, CancellationToken) avec des modèles fortement typés.

DetectUnivariateLastPointAsync(UnivariateDetectionOptions, CancellationToken)

Source:

AnomalyDetectorClient.cs

Détectez les status d’anomalie du dernier point de la série chronologique.

public virtual System.Threading.Tasks.Task<Azure.Response<Azure.AI.AnomalyDetector.UnivariateLastDetectionResult>> DetectUnivariateLastPointAsync (Azure.AI.AnomalyDetector.UnivariateDetectionOptions options, System.Threading.CancellationToken cancellationToken = default);

abstract member DetectUnivariateLastPointAsync : Azure.AI.AnomalyDetector.UnivariateDetectionOptions * System.Threading.CancellationToken -> System.Threading.Tasks.Task<Azure.Response<Azure.AI.AnomalyDetector.UnivariateLastDetectionResult>>
override this.DetectUnivariateLastPointAsync : Azure.AI.AnomalyDetector.UnivariateDetectionOptions * System.Threading.CancellationToken -> System.Threading.Tasks.Task<Azure.Response<Azure.AI.AnomalyDetector.UnivariateLastDetectionResult>>

Public Overridable Function DetectUnivariateLastPointAsync (options As UnivariateDetectionOptions, Optional cancellationToken As CancellationToken = Nothing) As Task(Of Response(Of UnivariateLastDetectionResult))

Paramètres

options

UnivariateDetectionOptions

Méthode de détection d’anomalie univariée.

cancellationToken

CancellationToken

Jeton d’annulation à utiliser.

Retours

Task<Response<UnivariateLastDetectionResult>>

Exceptions

ArgumentNullException

options a la valeur null.

Exemples

Cet exemple montre comment appeler DetectUnivariateLastPointAsync avec les paramètres requis.

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

var options = new UnivariateDetectionOptions(new TimeSeriesPoint[] 
{
    new TimeSeriesPoint(3.14f)
{
        Timestamp = DateTimeOffset.UtcNow,
    }
})
{
    Granularity = TimeGranularity.Yearly,
    CustomInterval = 1234,
    Period = 1234,
    MaxAnomalyRatio = 3.14f,
    Sensitivity = 1234,
    ImputeMode = ImputeMode.Auto,
    ImputeFixedValue = 3.14f,
};
var result = await client.DetectUnivariateLastPointAsync(options);

Remarques

Cette opération génère un modèle en utilisant les points que vous avez envoyés à l’API et en fonction de toutes les données pour déterminer si le dernier point est anormal.

DetectUnivariateLastPointAsync(RequestContent, RequestContext)

Source:

AnomalyDetectorClient.cs

[Méthode de protocole] Détectez les status d’anomalie du dernier point de la série chronologique.

• Cette méthode de protocole permet la création explicite de la demande et le traitement de la réponse pour les scénarios avancés.
• Essayez d’abord la surcharge de commodité plus simple DetectUnivariateLastPointAsync(UnivariateDetectionOptions, CancellationToken) avec des modèles fortement typés.

public virtual System.Threading.Tasks.Task<Azure.Response> DetectUnivariateLastPointAsync (Azure.Core.RequestContent content, Azure.RequestContext context = default);

abstract member DetectUnivariateLastPointAsync : Azure.Core.RequestContent * Azure.RequestContext -> System.Threading.Tasks.Task<Azure.Response>
override this.DetectUnivariateLastPointAsync : Azure.Core.RequestContent * Azure.RequestContext -> System.Threading.Tasks.Task<Azure.Response>

Public Overridable Function DetectUnivariateLastPointAsync (content As RequestContent, Optional context As RequestContext = Nothing) As Task(Of Response)

Paramètres

content

RequestContent

Contenu à envoyer en tant que corps de la demande.

context

RequestContext

Contexte de la demande, qui peut remplacer les comportements par défaut du pipeline client par appel.

Retours

Task<Response>

Réponse retournée par le service.

Exceptions

ArgumentNullException

content a la valeur null.

RequestFailedException

Le service a retourné un code de status non réussi.

Exemples

Cet exemple montre comment appeler DetectUnivariateLastPointAsync avec le contenu de requête requis et comment analyser le résultat.

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

var data = new {
    series = new[] {
        new {
            value = 123.45f,
        }
    },
};

Response response = await client.DetectUnivariateLastPointAsync(RequestContent.Create(data));

JsonElement result = JsonDocument.Parse(response.ContentStream).RootElement;
Console.WriteLine(result.GetProperty("period").ToString());
Console.WriteLine(result.GetProperty("suggestedWindow").ToString());
Console.WriteLine(result.GetProperty("expectedValue").ToString());
Console.WriteLine(result.GetProperty("upperMargin").ToString());
Console.WriteLine(result.GetProperty("lowerMargin").ToString());
Console.WriteLine(result.GetProperty("isAnomaly").ToString());
Console.WriteLine(result.GetProperty("isNegativeAnomaly").ToString());
Console.WriteLine(result.GetProperty("isPositiveAnomaly").ToString());

Cet exemple montre comment appeler DetectUnivariateLastPointAsync avec tout le contenu de la demande et comment analyser le résultat.

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

var data = new {
    series = new[] {
        new {
            timestamp = "2022-05-10T14:57:31.2311892-04:00",
            value = 123.45f,
        }
    },
    granularity = "yearly",
    customInterval = 1234,
    period = 1234,
    maxAnomalyRatio = 123.45f,
    sensitivity = 1234,
    imputeMode = "auto",
    imputeFixedValue = 123.45f,
};

Response response = await client.DetectUnivariateLastPointAsync(RequestContent.Create(data), new RequestContext());

JsonElement result = JsonDocument.Parse(response.ContentStream).RootElement;
Console.WriteLine(result.GetProperty("period").ToString());
Console.WriteLine(result.GetProperty("suggestedWindow").ToString());
Console.WriteLine(result.GetProperty("expectedValue").ToString());
Console.WriteLine(result.GetProperty("upperMargin").ToString());
Console.WriteLine(result.GetProperty("lowerMargin").ToString());
Console.WriteLine(result.GetProperty("isAnomaly").ToString());
Console.WriteLine(result.GetProperty("isNegativeAnomaly").ToString());
Console.WriteLine(result.GetProperty("isPositiveAnomaly").ToString());
Console.WriteLine(result.GetProperty("severity").ToString());

Remarques

Cette opération génère un modèle à l’aide des points que vous avez envoyés à l’API et en fonction de toutes les données pour déterminer si le dernier point est anormal.

Vous trouverez ci-dessous le schéma JSON pour les charges utiles de requête et de réponse.

Corps de la demande :

Schéma pour UnivariateDetectionOptions:

{
  series: [
    {
      timestamp: string (date & time), # Optional.
      value: number, # Required.
    }
  ], # Required.
  granularity: "yearly" | "monthly" | "weekly" | "daily" | "hourly" | "minutely" | "secondly" | "microsecond" | "none", # Optional.
  customInterval: number, # Optional.
  period: number, # Optional.
  maxAnomalyRatio: number, # Optional.
  sensitivity: number, # Optional.
  imputeMode: "auto" | "previous" | "linear" | "fixed" | "zero" | "notFill", # Optional.
  imputeFixedValue: number, # Optional.
}

Corps de réponse :

Schéma pour UnivariateLastDetectionResult:

{
  period: number, # Required.
  suggestedWindow: number, # Required.
  expectedValue: number, # Required.
  upperMargin: number, # Required.
  lowerMargin: number, # Required.
  isAnomaly: boolean, # Required.
  isNegativeAnomaly: boolean, # Required.
  isPositiveAnomaly: boolean, # Required.
  severity: number, # Optional.
}