Poikkeamien tunnistusmallien tekniset tiedot Fabricissa (esikatselu)

Tässä artikkelissa on yleiskatsaus Fabric Real-Time Intelligencessä käytettävissä olevien poikkeamien tunnistusmallien määrityksistä ja ominaisuuksista. Nämä mallit on suunniteltu tunnistamaan automaattisesti epätavalliset mallit ja poikkeamat tietovirroissasi.

Tärkeää

Tämä ominaisuus on esikatselutilassa.

Tuetut mallit

Mallin nimi Kuvaus Package
Signaalin tarkkailija Analysoi taustalla olevaa signaalia havaitakseen epätavallista käyttäytymistä hienovaraisista siirtymistä teräviin piikkeihin. TSB-AD - Perustuu SR-algoritmiin
Signal Watcher (kausiluonteinen) Havaitsee monenlaisia epätavallisia käyttäytymismalleja hienovaraisista muutoksista teräviin piikkeihin analysoimalla taustalla olevaa signaalia kausivaihtelulla täydennettynä. TSB-AD - Perustuu SR-algoritmiin
Signal Watcher (parannettu kausiluonteinen) Havaitsee laajan valikoiman epätavallisia käyttäytymismalleja hienovaraisista muutoksista teräviin piikkeihin analysoimalla taustalla olevaa signaalia, jota täydennetään monimutkaisella kausiluonteisuudella. TSB-AD - Perustuu SR-algoritmiin
Histogrammi Sentinel Tunnistaa poikkeamat tietojen jakelumallien perusteella ja tarjoaa nopean ja skaalautuvan suorituskyvyn suurille tietojoukoille. TSB-AD - Perustuu HBOS-algoritmiin
Kuvion läheisyys Käyttää k-lähintä naapuria poikkeamien havaitsemiseen ominaisuustilan arvopisteiden läheisyyden perusteella. Ihanteellinen paikallisiin mallimuutoksiin. TSB-AD - Perustuu KNN-algoritmiin
Ydinkuvion etsintä Pelkistää monimutkaiset tiedot olennaisimpiin malleihin, mikä helpottaa hienovaraisten ja piilotettujen poikkeamien havaitsemista. TSB-AD - Perustuu PCA-algoritmiin
Vaihda piikkitunnistin Havaitsee teräviä, paikallisia muutoksia vertaamalla arvojen kehitystä ajan myötä. MS:n kehittämä
Jatkuva muutosten seuranta Seuraa liikkuvia trendejä ja tunnistaa tietomallien asteittaiset muutokset. MS:n kehittämä
Poikkeava tutka Korostaa datapisteitä, jotka poikkeavat merkittävästi keskiarvosta, mikä on hyödyllistä suurten ja äkillisten poikkeamien havaitsemisessa. MS:n kehittämä
Vankka poikkeava tutka Outlier Radarin tapaan tämä malli käyttää mediaania vääristyneiden tietojen luotettavampaan analysointiin. Se keskittyy merkittäviin poikkeamiin jättäen huomiotta luonnolliset vaihtelut. Tämä tekee siitä vakaan meluisissa ympäristöissä. MS:n kehittämä
Vankka poikkeava tutka (kausiluonteinen) Käsittelee monimutkaisia tietojakaumia ja sisältää kausitietoisuuden, mikä tekee siitä ihanteellisen toistuville malleille. MS:n kehittämä
Poikkeama pulssi Tarkkailee signaaleja merkittävien poikkeamien varalta, optimoitu havaitsemaan erottuvia tapahtumia. MS:n kehittämä

Aiheeseen liittyvä sisältö

  • Last updated on