AnomalyDetectorClient クラス

リファレンス

定義

名前空間:: Azure.AI.AnomalyDetector

アセンブリ:: Azure.AI.AnomalyDetector.dll

パッケージ:: Azure.AI.AnomalyDetector v3.0.0-preview.7

Source:: AnomalyDetectorClient.cs

重要

一部の情報は、リリース前に大きく変更される可能性があるプレリリースされた製品に関するものです。 Microsoft は、ここに記載されている情報について、明示または黙示を問わず、一切保証しません。

AnomalyDetector サービスクライアント。

public class AnomalyDetectorClient

type AnomalyDetectorClient = class

Public Class AnomalyDetectorClient

継承: Object
AnomalyDetectorClient

コンストラクター

AnomalyDetectorClient()	モック作成のために AnomalyDetectorClient の新しいインスタンスを初期化します。
AnomalyDetectorClient(Uri, AzureKeyCredential)	AnomalyDetectorClient の新しいインスタンスを初期化します。
AnomalyDetectorClient(Uri, AzureKeyCredential, AnomalyDetectorClientOptions)	AnomalyDetectorClient の新しいインスタンスを初期化します。

プロパティ

Pipeline

REST 要求と応答を送受信するための HTTP パイプライン。

メソッド

DeleteMultivariateModel(String, RequestContext)	[プロトコルメソッド]多変量モデルの削除このプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。
DeleteMultivariateModelAsync(String, RequestContext)	[プロトコルメソッド]多変量モデルの削除このプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。
DetectMultivariateBatchAnomaly(String, MultivariateBatchDetectionOptions, CancellationToken)	多変量異常を検出します。
DetectMultivariateBatchAnomaly(String, RequestContent, RequestContext)	[プロトコルメソッド]多変量異常の検出このプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より DetectMultivariateBatchAnomaly(String, MultivariateBatchDetectionOptions, CancellationToken) 簡単な利便性のオーバーロードを試してください。
DetectMultivariateBatchAnomalyAsync(String, MultivariateBatchDetectionOptions, CancellationToken)	多変量異常を検出します。
DetectMultivariateBatchAnomalyAsync(String, RequestContent, RequestContext)	[プロトコルメソッド]多変量異常の検出このプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より DetectMultivariateBatchAnomalyAsync(String, MultivariateBatchDetectionOptions, CancellationToken) 簡単な利便性のオーバーロードを試してください。
DetectMultivariateLastAnomaly(String, MultivariateLastDetectionOptions, CancellationToken)	要求本文の最後のポイントで異常を検出します。
DetectMultivariateLastAnomaly(String, RequestContent, RequestContext)	[プロトコルメソッド]要求本文の最後のポイントで異常を検出するこのプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より DetectMultivariateLastAnomaly(String, MultivariateLastDetectionOptions, CancellationToken) 簡単な利便性のオーバーロードを試してください。
DetectMultivariateLastAnomalyAsync(String, MultivariateLastDetectionOptions, CancellationToken)	要求本文の最後のポイントで異常を検出します。
DetectMultivariateLastAnomalyAsync(String, RequestContent, RequestContext)	[プロトコルメソッド]要求本文の最後のポイントで異常を検出するこのプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より DetectMultivariateLastAnomalyAsync(String, MultivariateLastDetectionOptions, CancellationToken) 簡単な利便性のオーバーロードを試してください。
DetectUnivariateChangePoint(RequestContent, RequestContext)	[プロトコルメソッド]系列全体の変更ポイントを検出するこのプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より DetectUnivariateChangePoint(UnivariateChangePointDetectionOptions, CancellationToken) 簡単な利便性のオーバーロードを試してください。
DetectUnivariateChangePoint(UnivariateChangePointDetectionOptions, CancellationToken)	系列全体の変更ポイントを検出します。
DetectUnivariateChangePointAsync(RequestContent, RequestContext)	[プロトコルメソッド]系列全体の変更ポイントを検出するこのプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より DetectUnivariateChangePointAsync(UnivariateChangePointDetectionOptions, CancellationToken) 簡単な利便性のオーバーロードを試してください。
DetectUnivariateChangePointAsync(UnivariateChangePointDetectionOptions, CancellationToken)	系列全体の変更ポイントを検出します。
DetectUnivariateEntireSeries(RequestContent, RequestContext)	[プロトコルメソッド]一括で系列全体の異常を検出します。このプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より DetectUnivariateEntireSeries(UnivariateDetectionOptions, CancellationToken) 簡単な利便性のオーバーロードを試してください。
DetectUnivariateEntireSeries(UnivariateDetectionOptions, CancellationToken)	一括で系列全体の異常を検出します。
DetectUnivariateEntireSeriesAsync(RequestContent, RequestContext)	[プロトコルメソッド]一括で系列全体の異常を検出します。このプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より DetectUnivariateEntireSeriesAsync(UnivariateDetectionOptions, CancellationToken) 簡単な利便性のオーバーロードを試してください。
DetectUnivariateEntireSeriesAsync(UnivariateDetectionOptions, CancellationToken)	一括で系列全体の異常を検出します。
DetectUnivariateLastPoint(RequestContent, RequestContext)	[プロトコルメソッド]時系列の最新のポイントの異常状態を検出します。このプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より DetectUnivariateLastPoint(UnivariateDetectionOptions, CancellationToken) 簡単な利便性のオーバーロードを試してください。
DetectUnivariateLastPoint(UnivariateDetectionOptions, CancellationToken)	時系列の最新のポイントの異常状態を検出します。
DetectUnivariateLastPointAsync(RequestContent, RequestContext)	[プロトコルメソッド]時系列の最新のポイントの異常状態を検出します。このプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より DetectUnivariateLastPointAsync(UnivariateDetectionOptions, CancellationToken) 簡単な利便性のオーバーロードを試してください。
DetectUnivariateLastPointAsync(UnivariateDetectionOptions, CancellationToken)	時系列の最新のポイントの異常状態を検出します。
GetMultivariateBatchDetectionResult(String, CancellationToken)	多変量異常検出の結果を取得します。
GetMultivariateBatchDetectionResult(String, RequestContext)	[プロトコルメソッド]多変量異常検出の結果を取得するこのプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より GetMultivariateBatchDetectionResult(String, CancellationToken) 簡単な利便性のオーバーロードを試してください。
GetMultivariateBatchDetectionResultAsync(String, CancellationToken)	多変量異常検出の結果を取得します。
GetMultivariateBatchDetectionResultAsync(String, RequestContext)	[プロトコルメソッド]多変量異常検出の結果を取得するこのプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より GetMultivariateBatchDetectionResultAsync(String, CancellationToken) 簡単な利便性のオーバーロードを試してください。
GetMultivariateModel(String, CancellationToken)	多変量モデルを取得します。
GetMultivariateModel(String, RequestContext)	[プロトコルメソッド]多変量モデルを取得するこのプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より GetMultivariateModel(String, CancellationToken) 簡単な利便性のオーバーロードを試してください。
GetMultivariateModelAsync(String, CancellationToken)	多変量モデルを取得します。
GetMultivariateModelAsync(String, RequestContext)	[プロトコルメソッド]多変量モデルを取得するこのプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より GetMultivariateModelAsync(String, CancellationToken) 簡単な利便性のオーバーロードを試してください。
GetMultivariateModels(Nullable<Int32>, Nullable<Int32>, CancellationToken)	多変量モデルを一覧表示します。
GetMultivariateModels(Nullable<Int32>, Nullable<Int32>, RequestContext)	[プロトコルメソッド]多変量モデルの一覧表示このプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より GetMultivariateModels(Nullable<Int32>, Nullable<Int32>, CancellationToken) 簡単な利便性のオーバーロードを試してください。
GetMultivariateModelsAsync(Nullable<Int32>, Nullable<Int32>, CancellationToken)	多変量モデルを一覧表示します。
GetMultivariateModelsAsync(Nullable<Int32>, Nullable<Int32>, RequestContext)	[プロトコルメソッド]多変量モデルの一覧表示このプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より GetMultivariateModelsAsync(Nullable<Int32>, Nullable<Int32>, CancellationToken) 簡単な利便性のオーバーロードを試してください。
TrainMultivariateModel(ModelInfo, CancellationToken)	多変量異常検出モデルをトレーニングする。
TrainMultivariateModel(RequestContent, RequestContext)	[プロトコルメソッド]多変量異常検出モデルをトレーニングするこのプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より TrainMultivariateModel(ModelInfo, CancellationToken) 簡単な利便性のオーバーロードを試してください。
TrainMultivariateModelAsync(ModelInfo, CancellationToken)	多変量異常検出モデルをトレーニングする。
TrainMultivariateModelAsync(RequestContent, RequestContext)	[プロトコルメソッド]多変量異常検出モデルをトレーニングするこのプロトコルメソッドを使用すると、高度なシナリオで応答の要求と処理を明示的に作成できます。まず、厳密に型指定されたモデルを使用して、より TrainMultivariateModelAsync(ModelInfo, CancellationToken) 簡単な利便性のオーバーロードを試してください。

適用対象

次の方法で共有

AnomalyDetectorClient クラス

定義

コンストラクター

プロパティ

メソッド

適用対象

その他のリソース