异常检测算法

异常检测机器学习功能使用各种技术的定制组合，例如聚类、各种类型的时间序列分解、贝叶斯分布建模和相关性分析。 这些分析为时间序列数据提供复杂的实时自动异常检测。

机器学习分析通过观察历史行为并适应新数据，对数据基于时间的特征进行统计建模。 该模型表示正常行为的基线，因此可以用来确定新事件的异常程度。

异常检测结果是针对每个桶跨度写入的。这些结果包括为了减少噪声而聚合的分数，以及为了对数学上最重要的异常进行排序而归一化的分数。