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.
Spiegazione del punteggio di anomalia
Ad ogni anomalia viene assegnato un punteggio di anomalia. Questo punteggio indica quanto è anomalo un dato punto, il che rende possibile definire la sua gravità rispetto ad altre anomalie. Questa pagina fornisce una spiegazione ad alto livello dei fattori critici considerati per il calcolo dei punteggi di anomalia, come vengono calcolati i punteggi e come funziona la rinormalizzazione.
Tipi di Job
I job di rilevamento delle anomalie offrono molte opzioni di configurazione che ti consentono di ottimizzare i job per soddisfare il tuo caso d'uso. Questa pagina fornisce una panoramica dei diversi tipi di job di rilevamento delle anomalie e delle loro capacità. I tipi di lavoro disponibili in Kibana sono: