如何：对时序数据使用异常检测器单变量 API

Important

从 2023 年 9 月 20 日起，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提供了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。检测模型返回异常结果以及每个数据点的预期值，以及异常情况检测边界的上限和下限。可以使用这些值来可视化正常值的范围以及数据中的异常。

异常情况检测模式

异常检测器 API提供检测模式：批处理和流式处理。

Note

以下请求 URL 必须与订阅的相应终结点组合在一起。例如：https://<your-custom-subdomain>.api.cognitive.azure.cn/anomalydetector/v1.0/timeseries/entire/detect

若要检测给定时间范围内一批数据点的异常情况，请将以下请求 URI 与时序数据一起使用：

/timeseries/entire/detect。

通过一次性发送时序数据，API 将使用整个序列生成模型，并使用它分析每个数据点。

若要持续检测流数据异常，请将以下请求 URI 与最新的数据点配合使用：

/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。

默认情况下，异常情况检测的上限和下限是使用expectedValue和upperMarginlowerMargin计算的。如果您需要不同的边界，建议将marginScale应用于upperMargin或lowerMargin。边界的计算方式如下：

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。

默认敏感度

敏感度 99

敏感度 85