Uso de la API univariante de Anomaly Detector en datos de serie temporal
Importante
A partir del 20 de septiembre de 2023, no podrá crear nuevos recursos de Anomaly Detector. El servicio Anomaly Detector se va a retirar el 1 de octubre de 2026.
Anomaly Detector API proporciona dos métodos de detección de anomalías. Las anomalías se pueden detectar como un lote a lo largo de la serie temporal, o a medida que se generan los datos mediante la detección del estado de anomalía del punto de datos más reciente. El modelo de detección devuelve resultados de anomalía junto con el valor esperado de cada punto de datos, y los límites de detección de anomalías superior e inferior. Puede usar estos valores para visualizar el intervalo de valores normales y las anomalías en los datos.
Modos de detección de anomalías
Anomaly Detector API proporciona dos modos de detección: por lotes y transmisión.
Nota:
Las siguientes direcciones URL de solicitud se deben combinar con el punto de conexión adecuado para su suscripción. Por ejemplo: https://<your-custom-subdomain>.api.cognitive.microsoft.com/anomalydetector/v1.0/timeseries/entire/detect
Detección por lotes
Para detectar anomalías a lo largo de un lote de puntos de datos durante un intervalo de tiempo determinado, use el siguiente URI de solicitud con datos de serie temporal:
/timeseries/entire/detect.
Al enviarse los datos de serie temporal a la vez, la API genera un modelo con toda la serie y analiza cada punto de datos con ella.
Detección mediante transmisión
Para detectar continuamente anomalías al transmitir datos, use el siguiente URI de solicitud con el punto de datos más reciente:
/timeseries/last/detect.
Al enviar nuevos puntos de datos a medida que se generan, puede supervisar los datos en tiempo real. Se genera un modelo con los puntos de datos que envíe, y la API determina si el punto más reciente de la serie temporal es una anomalía.
Ajuste de los límites de detección de anomalías inferior y superior
De forma predeterminada, los límites superior e inferior de la detección de anomalías se calculan con expectedValue, upperMargin y lowerMargin. Si necesita límites diferentes, se recomienda aplicar marginScale a upperMargin o lowerMargin. Los límites se calcularían del siguiente modo:
| Límite | Cálculo |
|---|---|
upperBoundary |
expectedValue + (100 - marginScale) * upperMargin |
lowerBoundary |
expectedValue - (100 - marginScale) * lowerMargin |
En los ejemplos siguientes se muestra un resultado de Anomaly Detector API en distintas sensibilidades.
Ejemplo con sensibilidad en 99
Ejemplo con sensibilidad en 95
Ejemplo con sensibilidad en 85
