操作指南

Elastic Stack Serverless

虽然分析您的数据并提供快速的机器学习结果非常简单，但获得深入的见解可能需要一些额外的规划和配置。本节中的指南描述了一些最佳实践，用于从您的数据中生成有用的机器学习结果和见解。

• 为异常检测作业生成警报
• 聚合数据以获得更快的性能
• 在数据源中使用运行时字段
• 使用自定义规则定制检测器
• 检测异常数据类别
• 执行人群分析
• 恢复到模型快照
• 检测地理数据中的异常位置
• 按位置映射异常
• 向机器学习结果添加自定义 URL
• 从可视化中进行异常检测作业
• 导出和导入机器学习作业

下面列出的博客文章展示了如何充分利用 Elastic 机器学习异常检测。

• Elasticsearch 机器学习的大小调整
• 过滤输入数据以优化机器学习作业
• Elastic 机器学习中的时间与人群分析
• 使用 Elasticsearch 和机器学习进行 IT 运维
• 使用机器学习和 Elasticsearch 进行安全分析
• Elastic 机器学习的用户注释
• 机器学习作业的自定义 Elasticsearch 聚合
• 使用 Auditbeat 和机器学习分析 Linux auditd 异常
• 如何使用作业验证来优化 Elasticsearch 机器学习作业配置
• 机器学习中的可解释性：识别异常、影响因素和根本原因

在 示例存储库中的 machine learning 文件夹中也有一些示例。