Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Importante
A partire dal 20 settembre 2023 non sarà possibile creare nuove risorse rilevamento anomalie. Il servizio Rilevamento anomalie viene ritirato il 1° ottobre 2026. È consigliabile eseguire la migrazione a Microsoft Fabric, che integra direttamente il progetto open source microsoft/anomaly-detector o al progetto open source anomaly-detector.
Il API Rilevamento anomalie fornisce due metodi di rilevamento anomalie. È possibile rilevare anomalie come un batch sull'intera serie temporale oppure man mano che i dati vengono generati rilevando lo stato di anomalia del punto dati più recente. Il modello di rilevamento restituisce i risultati delle anomalie insieme al valore previsto di ogni punto dati e ai limiti di rilevamento anomalie superiore e inferiore. È possibile usare questi valori per visualizzare l'intervallo di valori normali e le anomalie nei dati.
Modalità di rilevamento anomalie
Il API Rilevamento anomalie fornisce modalità di rilevamento: batch e streaming.
Nota
Gli URL di richiesta seguenti devono essere combinati con l'endpoint appropriato per la sottoscrizione. Per esempio: https://<your-custom-subdomain>.api.cognitive.microsoft.com/anomalydetector/v1.0/timeseries/entire/detect
Rilevamento batch
Per rilevare anomalie in un batch di punti dati in un determinato intervallo di tempo, usare l'URI della richiesta seguente con i dati delle serie temporali:
/timeseries/entire/detect.
Inviando i dati delle serie temporali contemporaneamente, l'API genererà un modello usando l'intera serie e analizzerà ogni punto dati con esso.
Rilevamento di streaming
Per rilevare continuamente anomalie sui dati di streaming, usare l'URI di richiesta seguente con il punto dati più recente:
/timeseries/last/detect.
Inviando nuovi punti dati durante la loro generazione, è possibile monitorare i dati in tempo reale. Verrà generato un modello con i punti dati inviati e l'API determinerà se l'ultimo punto della serie temporale è un'anomalia.
Regolazione dei limiti di rilevamento anomalie inferiore e superiore
Per impostazione predefinita, i limiti superiori e inferiori per il rilevamento anomalie vengono calcolati usando expectedValue, upperMargine lowerMargin. Se sono necessari limiti diversi, è consigliabile applicare un marginScale a upperMargin o lowerMargin. I limiti verranno calcolati nel modo seguente:
| Confine | Calcolo |
|---|---|
upperBoundary |
expectedValue + (100 - marginScale) * upperMargin |
lowerBoundary |
expectedValue - (100 - marginScale) * lowerMargin |
Gli esempi seguenti mostrano il risultato dell'API di rilevamento anomalie a diverse sensibilità.
Esempio con sensibilità al 99%
Esempio con sensibilità al 95%
Esempio con sensibilità impostata a 85
