DetectChangePointRequest interface

Pakiet:

@azure/ai-anomaly-detector

Żądanie wykrywania punktu zmiany.

Właściwości

customInterval	Interwał niestandardowy służy do ustawiania niestandardowego interwału czasu, na przykład jeśli seria wynosi 5 minut, żądanie można ustawić jako {"stopień szczegółowości":"minutowo", "customInterval":5}.
granularity	Może być tylko jednym z lat, co miesiąc, co tydzień, codziennie, co godzinę, co minutę lub sekundę. Stopień szczegółowości służy do sprawdzania, czy seria wejściowa jest prawidłowa.
period	Opcjonalny argument, okresowa wartość szeregów czasowych. Jeśli wartość ma wartość null lub nie istnieje, interfejs API automatycznie określi okres.
series	Punkty danych szeregów czasowych. Punkty powinny być sortowane według znacznika czasu w kolejności rosnącej w celu dopasowania do wyniku wykrywania punktu zmian.
stableTrendWindow	Opcjonalny argument, zaawansowany parametr modelu, domyślny stabilnyTrendWindow będzie używany w wykrywaniu.
threshold	Opcjonalny argument, zaawansowany parametr modelu z zakresu od 0.0 do 1.0, im niższa jest wartość, tym większy będzie błąd trendu, co oznacza, że zostanie zaakceptowany mniejszy punkt zmiany.

Szczegóły właściwości

customInterval

Interwał niestandardowy służy do ustawiania niestandardowego interwału czasu, na przykład jeśli seria wynosi 5 minut, żądanie można ustawić jako {"stopień szczegółowości":"minutowo", "customInterval":5}.

customInterval?: number

Wartość właściwości

number

granularity

Może być tylko jednym z lat, co miesiąc, co tydzień, codziennie, co godzinę, co minutę lub sekundę. Stopień szczegółowości służy do sprawdzania, czy seria wejściowa jest prawidłowa.

granularity: TimeGranularity

Wartość właściwości

TimeGranularity

period

Opcjonalny argument, okresowa wartość szeregów czasowych. Jeśli wartość ma wartość null lub nie istnieje, interfejs API automatycznie określi okres.

period?: number

Wartość właściwości

number

series

Punkty danych szeregów czasowych. Punkty powinny być sortowane według znacznika czasu w kolejności rosnącej w celu dopasowania do wyniku wykrywania punktu zmian.

series: TimeSeriesPoint[]

Wartość właściwości

TimeSeriesPoint[]

stableTrendWindow

Opcjonalny argument, zaawansowany parametr modelu, domyślny stabilnyTrendWindow będzie używany w wykrywaniu.

stableTrendWindow?: number

Wartość właściwości

number

threshold

Opcjonalny argument, zaawansowany parametr modelu z zakresu od 0.0 do 1.0, im niższa jest wartość, tym większy będzie błąd trendu, co oznacza, że zostanie zaakceptowany mniejszy punkt zmiany.

threshold?: number

Wartość właściwości

number