Detección de anomalías en conjuntos de datos pequeños

• Consola
• CLI
• API

• 1. Abra el menú de navegación y haga clic en Análisis y AI. En Servicios de IA, haga clic en Detección de anomalías.
  2. En el menú de navegación de la izquierda, haga clic en Proyectos.
  3. Seleccione el compartimento que contiene el proyecto con los modelos que desea ver.
  4. Haga clic en el nombre del proyecto.

     Se abre la página de detalles del proyecto.

  5. En Detalles, haga clic en Modelos.

     Los modelos del proyecto se muestran en la tabla Modelos de detección de anomalías.

  6. Haga clic en el nombre del modelo que contiene el juego de datos.
  7. En la página de detalles del modelo, haga clic en Detectar anomalías.
  8. Busque el archivo CSV o JSON, o arrástrelo y suéltelo que contenga el juego de datos en el cuadro Determinar anomalías.
  9. Haga clic en Detectar.

     Las anomalías se representan en una lista de columnas que se pueden visualizar.

  10. Seleccione una etiqueta de columna para ver las anomalías detectadas.

      Puede ver cada visualización seleccionando una etiqueta de columna diferente de la lista.

  11. Si desea ver o utilizar el archivo JSON de anomalías generado, haga clic en Descargar JSON.

  Los valores estimados y reales de cada una de las anomalías identificadas se representan en un gráfico. Puede utilizar esta diferencia para conocer la gravedad de la anomalía.

  Si se producen varias anomalías a partir de varias señales en un registro de hora específico, se especifican las puntuaciones de anomalía que clasifican esas señales para la anomalía identificada. Se muestra un gráfico de estas anomalías durante el período de tiempo concreto para que pueda entender fácilmente si las señales específicas tienen puntuaciones altas a lo largo del tiempo.

• Recomendamos este enfoque cuando desee detectar anomalías y obtener resultados de modelos de detección de anomalías entrenados.

  1. Descargue y configure la CLI o el SDK de OCI como se describe en la documentación de OCI existente.
  2. Utilice un modelo entrenado creando una solicitud HTTP POST y realice la solicitud en el punto final recibido en el paso anterior.
  3. Analizar la respuesta HTTP para obtener los resultados para su uso en aplicaciones.

  Ejemplo de llamadas a la API

  Utilice los siguientes comandos de Anomaly Detection y los parámetros necesarios para ayudarle a detectar y obtener resultados:

  • Comando

    CopiarProbar

    oci anomaly-detection model detect-anomalies --model-id <model-id>... [OPTIONS]

  • Comando

    CopiarProbar

    oci anomaly-detection model detect-anomalies-embedded --model-id <model-id>... [OPTIONS]

  • Comando

    CopiarProbar

    oci anomaly-detection model detect-anomalies-inline --model-id <model-id>... [OPTIONS]

  1. Obtenga el modelo:

     Copiar

     https://anomalydetection.aiservice.us-phoenix-1.oci.oraclecloud.com/20210101/models/{ModelId}
      Method: GET
      Body:

  2. Detecte de forma síncrona con los datos:

     Copiar

     https://anomalydetection.aiservice.us-phoenix-1.oci.oraclecloud.com/20210101/actions/detectAnomalies
      Method: POST
      Body: 
     {
         "modelId": "ocid1.aimodel.oc1.phx.amaaaaaaor7l3jialglh5vnt2w3nj6zly4dpcjfex6lktujo24t5aklmn2ta",
         "requestType": "INLINE",
         "signalNames":["sensor1", "sensor2", "sensor3", "sensor4", "sensor5", "sensor6", "sensor7", "sensor8", "sensor9", "sensor10", "sensor11"],
         "data":[
             {"timestamp":"2023-01-17T20:44:46Z","values": [1,-9.6193,0.3208,0.6199,-0.4936,5.0697,-0.5063,0.4253,0.4864,-0.0798,0.0446]},
             {"timestamp":"2023-01-17T20:45:46Z","values": [1,9.4101,-0.3522,0.0942,-0.0564,null,0.0263,-0.3787,-0.8164,-0.6446,0.5502]},
             {"timestamp":"2023-01-17T20:46:46Z","values": [1,5.3969,-0.472,0.75,0.3282,6.5583,0.0238,-0.2817,-0.3909,0.8025,0.5054]},
             {"timestamp":"2023-01-17T20:47:46Z","values": [1,0.2148,-0.516,-0.0296,0.2276,5.7661,0.5468,0.534,0.2702,-0.4179,0.0011]}
         ]
     }

• Recomendamos este enfoque cuando desee detectar anomalías y obtener resultados de modelos de detección de anomalías entrenados.

  1. Descargue y configure la CLI o el SDK de OCI como se describe en la documentación de OCI existente.
  2. Utilice un modelo entrenado creando una solicitud HTTP POST y realice la solicitud en el punto final recibido en el paso anterior.
  3. Analizar la respuesta HTTP para obtener los resultados para su uso en aplicaciones.

  Ejemplo de llamadas a la API

  Utilice la operación DetectAnomalies para ayudarle a detectar y obtener resultados.

  1. Obtenga el modelo:

     Copiar

     https://anomalydetection.aiservice.us-phoenix-1.oci.oraclecloud.com/20210101/models/{ModelId}
      Method: GET
      Body:

  2. Detecte de forma síncrona con los datos:

     Copiar

     https://anomalydetection.aiservice.us-phoenix-1.oci.oraclecloud.com/20210101/actions/detectAnomalies
      Method: POST
      Body: 
     {
         "modelId": "ocid1.aimodel.oc1.phx.amaaaaaaor7l3jialglh5vnt2w3nj6zly4dpcjfex6lktujo24t5aklmn2ta",
         "requestType": "INLINE",
         "signalNames":["sensor1", "sensor2", "sensor3", "sensor4", "sensor5", "sensor6", "sensor7", "sensor8", "sensor9", "sensor10", "sensor11"],
         "data":[
             {"timestamp":"2023-01-17T20:44:46Z","values": [1,-9.6193,0.3208,0.6199,-0.4936,5.0697,-0.5063,0.4253,0.4864,-0.0798,0.0446]},
             {"timestamp":"2023-01-17T20:45:46Z","values": [1,9.4101,-0.3522,0.0942,-0.0564,null,0.0263,-0.3787,-0.8164,-0.6446,0.5502]},
             {"timestamp":"2023-01-17T20:46:46Z","values": [1,5.3969,-0.472,0.75,0.3282,6.5583,0.0238,-0.2817,-0.3909,0.8025,0.5054]},
             {"timestamp":"2023-01-17T20:47:46Z","values": [1,0.2148,-0.516,-0.0296,0.2276,5.7661,0.5468,0.534,0.2702,-0.4179,0.0011]}
         ]
     }