如何：对时序数据使用异常检测器单变量 API
重要
从 2023 年 9 月 20 日开始，将无法创建新的异常检测器资源。 异常检测器服务将于 2026 年 10 月 1 日停用。
异常检测器 API 提供两种异常情况检测方法。 可以在整个时序中以批处理方式检测异常，也可以在生成数据时通过检测最新数据点的异常状态来检测异常。 检测模型将返回异常结果以及每个数据点的预期值，还会返回异常情况检测边界的上限和下限。 可使用这些值来直观显示数据中正常值的范围和异常。
异常情况检测模式
异常检测器 API 提供两种检测模式：批处理和流式处理。
注意
以下请求 URL 必须与订阅的相应终结点结合。 例如： https://<your-custom-subdomain>.api.cognitive.azure.cn/anomalydetector/v1.0/timeseries/entire/detect
批量检测
若要检测给定的时间范围内一批数据点的异常情况，请将以下请求 URI 用于时序数据：
/timeseries/entire/detect。
通过立刻发送时序数据，API 将使用整个序列生成一个模型，并用它分析每个数据点。
流式处理检测
若要持续检测流数据的异常情况，请将以下请求 URI 用于最新的数据点：
/timeseries/last/detect。
通过在生成新数据点的同时发送这些数据点，可以实时监视数据。 将使用发送的数据点生成一个模型，并且 API 将确定时序中的最新点是否异常。
调整异常情况检测的上下边界
默认情况下，使用 expectedValue、upperMargin 和 lowerMargin 计算异常情况检测的上下边界。 如果需要不同的边界，建议对 upperMargin 或 lowerMargin 应用 marginScale。 边界的计算公式如下：
| 边界 | 计算 |
|---|---|
upperBoundary |
expectedValue + (100 - marginScale) * upperMargin |
lowerBoundary |
expectedValue - (100 - marginScale) * lowerMargin |
以下示例显示了不同敏感度的异常检测器 API 结果。
敏感度为 99 的示例
敏感度为 95 的示例
敏感度为 85 的示例
