Freigeben über

Real-Time Intelligence Tutorial Teil 7: Erkennen von Anomalien über einer Eventhouse-Tabelle

Hinweis

Dieses Lernprogramm ist Teil einer Reihe. Informationen zum vorherigen Abschnitt finden Sie unter: Real-Time Lernprogramm "Intelligence" Teil 6: Erstellen eines Real-Time Dashboards.

Anomalieerkennung ist ein Feature von Real-Time Intelligence, das Ihnen hilft, ungewöhnliche Muster in Ihren Daten zu identifizieren. In diesem Teil des Lernprogramms erfahren Sie, wie Sie ein Anomaliedetektorelement in Ihrem Arbeitsbereich erstellen, um Anomalien in der Anzahl leerer Docks an einer Station zu erkennen.

Erste Schritte

  1. Wählen Sie in der linken Navigationsleiste "Echtzeit" aus, um den Real-Time Hub zu öffnen.
  2. Wählen Sie unter "Alle Datenströme" die Ereignishaustabelle "TransformedData " aus, die Sie im vorherigen Lernprogramm erstellt haben. Die Tabellendetailseite wird geöffnet. Wählen Sie " Anomalien erkennen " im oberen Menü aus.

  1. Wählen Sie eine Datenbank und die Tabelle oder die Verknüpfung aus, die Sie analysieren möchten.

  2. Wählen Sie in der oberen Symbolleiste Anomaliedetektor erstellen aus, oder wählen Sie die Option Anomaliedetektor aus den Auslassungspunkten (⋯) in der Datenbankstruktur aus.

Screenshot der Option

Konfigurieren der Anomalieerkennung

  1. Wählen Sie im Abschnitt "Attribute auswählen" die folgenden Optionen aus:

    Feld Wert
    Zu überwachender Wert Keine_leeren_Auflieger
    Gruppieren nach Straße
    Zeitstempel Zeitstempel

    Screenshot des Anomaliekonfigurationsbereichs.

  2. Wählen Sie Run Analysis (Analyse ausführen) aus.

    Von Bedeutung

    Die Analyse dauert in der Regel bis zu vier Minuten, je nach Datengröße und kann bis zu 30 Minuten dauern. Sie können von der Seite weg navigieren und wieder einchecken, wenn die Analyse abgeschlossen ist.

    Hinweis

    Stellen Sie sicher, dass Ihre Eventhouse-Tabelle ausreichende historische Daten enthält, um Modellempfehlungen und Anomalieerkennungsgenauigkeit zu verbessern. Beispielsweise benötigen Datasets mit einem Datenpunkt pro Tag einige Monate Daten, während Datasets mit einem Datenpunkt pro Sekunde möglicherweise nur ein paar Tage benötigen.

  3. Wenn die Analyse abgeschlossen ist, werden Anomalien zusammen mit tabellarischen Daten rechts angezeigt.

    Screenshot der abgeschlossenen Anomalieerkennung.

    Hinweis

    Experimentieren Sie mit dem Erkennungsmodell unter Abschnitt "Erkennung anpassen" und "Zeitstempel " über dem Bereich "Detektorergebnisse ". Weitere Daten können die Anomalieerkennungsgenauigkeit erhöhen.

  4. Wählen Sie Speichern aus.

Verwandte Inhalte

Weitere Informationen zu aufgaben, die in diesem Lernprogramm ausgeführt werden, finden Sie unter:

Nächster Schritt

Real-Time Lernprogramm "Intelligence" Teil 8: Erstellen einer Karte mithilfe von Geospatialdaten

  • Last updated on