Algoritmi di rilevamento delle anomalie

Le funzionalità di machine learning per il rilevamento delle anomalie utilizzano una combinazione personalizzata di tecniche diverse, come il clustering, vari tipi di decomposizione delle serie temporali, la modellazione della distribuzione bayesiana e l'analisi delle correlazioni. Queste analisi forniscono un rilevamento delle anomalie automatizzato e sofisticato in tempo reale per i dati delle serie temporali.

Le analisi di machine learning modellano statisticamente le caratteristiche basate sul tempo dei tuoi dati, osservando il comportamento storico e adattandosi ai nuovi dati. Il modello rappresenta una base di comportamento normale e può quindi essere utilizzato per determinare quanto siano anomali i nuovi eventi.

I risultati del rilevamento delle anomalie vengono scritti per ogni intervallo di bucket. Questi risultati includono punteggi che vengono aggregati per ridurre il rumore e normalizzati per classificare le anomalie più significative dal punto di vista matematico.