函数参考
编辑函数参考
编辑机器学习功能包括分析函数,这些函数提供了多种灵活的方式来分析数据中的异常。
当您创建异常检测任务时,您需要指定一个或多个检测器,这些检测器定义了需要完成的分析类型。如果您使用机器学习 API 创建任务,则需要在检测器配置对象中指定函数。如果您在 Kibana 中创建任务,则需要根据您是创建单指标、多指标还是高级任务来以不同的方式指定函数。
大多数函数检测低值和高值中的异常。在统计学术语中,它们应用双边检验。某些函数提供低值和高值变体(例如,count
、low_count
和 high_count
)。这些变体应用单边检验,仅当值较低或较高时才检测异常,具体取决于所使用的替代方案。
您可以为除 metric
以外的任何函数指定 summary_count_field_name
。当您使用 summary_count_field_name
时,机器学习功能会期望输入数据是预先聚合的。summary_count_field_name
字段的值必须包含汇总的原始事件的计数。在 Kibana 中,在高级异常检测任务中使用 summary_count_field_name。分析聚合的输入数据可以显著提高性能。有关详细信息,请参阅聚合数据以提高性能。
如果您的数据稀疏,则数据中可能存在空白,这意味着您可能有空桶。您可能希望将这些视作异常,或者您可能希望忽略这些空白。您的决定取决于您的用例以及对您来说什么重要。这也取决于您使用的函数。sum
和 count
函数受空桶的影响很大。因此,有 non_null_sum
和 non_zero_count
函数,它们可以容忍稀疏数据。这些函数有效地忽略了空桶。