Раздел 6 / 9

Страница 1 / 183

Часть II. АНАЛИЗ ВРЕМЕННЫХ РЯДОВ - ОБНАРУЖЕНИЕ И ПРОГНОЗИРОВАНИЕ АНОМАЛИЙ

Режим постраничного просмотра

/

На первую страницу

На предыдущую главу

На следующую главу

На последнюю страницу

Озвучивание недоступно

/

Внимание! Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.

Режим постраничного просмотра

Для продолжения работы требуется Регистрация

На предыдущую главу

На следующую главу

Скачать приложение

Машинное обучение в Elastic Stack

Оглавление

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

Поле partition

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

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

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