Справка
x
Поиск
Закладки
Озвучить книгу
Изменить режим чтения
Изменить размер шрифта
Оглавление
Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.
Машинное обучение в Elastic Stack
Часть II. АНАЛИЗ ВРЕМЕННЫХ РЯДОВ - ОБНАРУЖЕНИЕ И ПРОГНОЗИРОВАНИЕ АНОМАЛИЙ
Поставить закладку
Если Вы наш подписчик,то для того чтобы скопировать текст этой страницы в свой конспект,
используйте
просмотр в виде pdf
. Вам доступно 36 стр. из этой главы.
Для продолжения работы требуется
Registration
Предыдущая страница
Следующая страница
Table of contents
От издательства
Об авторах
О рецензентах
Предисловие
Часть I. ЗНАКОМСТВО С МАШИННЫМ ОБУЧЕНИЕМ И ELASTIC STACK
+
Часть II. АНАЛИЗ ВРЕМЕННЫХ РЯДОВ - ОБНАРУЖЕНИЕ И ПРОГНОЗИРОВАНИЕ АНОМАЛИЙ
-
Глава 3. Обнаружение аномалий
Технические требования
Типы заданий Elastic ML
Устройство детектора
Функция
Поле
Поле partition
Поле by
Поле over
Формула детектора
Обнаружение изменений частотности событий
Подробнее о функциях count
Другие функции подсчета
Обнаружение изменений значений показателей
Метрические функции
Обзор расширенных функций детектора
Функция rare
Функция freq_rare
Функция info_content
Функции геолокации
Функции времени
Разделение анализа по категориальным признакам
Настройка поля разделения
Разница между разделением с использованием partition и by_field
Обзор временного и популяционного анализов
Категоризация в анализе неструктурированных сообщений
Типы сообщений, подходящие для категоризации
Предварительная категоризация
Анализ категорий
Пример задания по категоризации
Когда не следует использовать категоризацию
Управление Elastic ML через API
Заключение
Ненулевой подсчет
Раздельный подсчет
min, max, mean, median и metric
varp
sum и non-null sum
Является ли двойное разделение пределом возможного?
Глава 4. Прогнозирование
Технические требования
Ключевое различие между предсказаниями и пророчествами
Для чего применяется прогнозирование?
Как работает прогнозирование?
Прогнозирование одиночного временного ряда
Просмотр результатов прогнозирования
Прогнозирование нескольких временных рядов
Заключение
Глава 5. Интерпретация результатов
Технические требования
Просмотр хранилища результатов Elastic ML
Оценка аномалий
Оценка на уровне сегмента
Нормализация
Оценка на уровне фактора влияния
Факторы влияния
Оценка на уровне записи
Описание схемы хранилища результатов
Результаты на уровне сегмента
Результаты на уровне записи
Результаты на уровне факторов влияния
Аномалии в нескольких сегментах
Пример аномалии в нескольких сегментах
Оценка аномалии в нескольких сегментах
Результаты прогноза
Запрос результатов прогноза
API результатов Elastic ML
Конечные точки API результатов
API обобщения сегментов
API категорий
Пользовательские панели мониторинга и рабочие панели Canvas
Панель инструментов встраивания
Аномалии как аннотации в TSVB
Настройка рабочих панелей Canvas
Заключение
Глава 6. Создание и использование оповещений
Технические требования
Определение и принцип работы оповещений
Аномалии не обязательно нуждаются в оповещениях
Точное время имеет значение
Создание оповещений из интерфейса машинного обучения
Определение заданий по обнаружению аномалий
Создание оповещений для пробных заданий
Моделирование аномального поведения в реальном времени
Получение и просмотр оповещений
Создание оповещений с помощью Watcher
Использование устаревшего варианта watch
Пользовательские шаблоны watch с уникальной функциональностью
Заключение
trigger
input
condition
action
Связанный ввод и сценарий условий
Передача информации между связанными входами
Глава 7. Выявление истинных причин аномалий
Технические требования
Настоящее значение термина AIOps
Значимость и ограничения KPI
Выходя за рамки KPI
Организация данных для анализа
Настраиваемые запросы для каналов данных
Дополнение получаемых данных
Использование контекстной информации
Аналитическое разделение
Статистические факторы влияния
Анализ первопричин аномалии
История проблемы
Корреляция и общие факторы влияния
Заключение
Глава 8. Другие приложения Elastic Stack для обнаружения аномалий
Технические требования
Обнаружение аномалий в Elastic APM
Включение обнаружения аномалий для APM
Просмотр результатов задания по обнаружению аномалий
Создание заданий машинного обучения с помощью распознавателя данных
Обнаружение аномалий в приложении Logs
Категории журналов
Журнал аномалий
Обнаружение аномалий в приложении Metrics
Обнаружение аномалий в приложении Uptime
Обнаружение аномалий в приложении Elastic Security
Готовые задания по обнаружению аномалий
Оповещения на основе заданий обнаружения аномалий
Заключение
Часть III. АНАЛИЗ ФРЕЙМОВ ДАННЫХ
+
Приложение. Советы по обнаружению аномалий
+
Предметный указатель
Данный блок поддерживает скрол*