tutorial de Real-Time Intelligence, parte 7: Detección de anomalías en una tabla de Eventhouse

En esta parte del tutorial, creará un flujo de trabajo de datos en tiempo real que detecta anomalías en los datos de streaming. Use una tabla eventhouse para analizar los datos de series temporales e identificar patrones inusuales.

Creación de un detector de anomalías

Abra la tabla Eventhouse creada en el tutorial anterior.

1. En el panel de navegación izquierdo, seleccione Tiempo real.

   

2. En Datos de streaming, seleccione la tabla TransformedData .

   

3. En la página de detalles de la tabla, seleccione Detectar anomalías en la barra de herramientas.

   

Cree un detector para analizar los datos de anomalías.

En el panel Nuevo detector de anomalías :

1. Escriba un nombre para el detector.
2. Seleccione el área de trabajo de Fabric.
3. Selecciona Crear.

Configuración de la detección de anomalías

Configure los atributos usados para detectar anomalías.

1. En la sección Editar configuración , establezca los valores siguientes:

   Campo	Importancia
   Valor para observar	No_Bikes
   Agrupar por	Calle
   Marca de tiempo	Marca de tiempo

   

2. Haga clic en Guardar.

Elección de un modelo de detección de anomalías

1. En la sección Buscar modelos , seleccione Analizar mis datos para encontrar el mejor modelo de detección de anomalías para los datos.

   

2. Revise los modelos recomendados y seleccione el que mejor se adapte a sus necesidades. Para este tutorial, seleccione el modelo recomendado de Detector de patrones locales .

   

3. Haga clic en Guardar.

Revisión de los resultados de anomalías

Una vez completado el análisis, revise las anomalías detectadas.

1. Vea los resultados de anomalías en el panel Resultados del detector .

2. Inspeccione el gráfico y la salida tabular para identificar patrones inusuales.

   

Paso siguiente