Merk
Tilgang til denne siden krever autorisasjon. Du kan prøve å logge på eller endre kataloger.
Tilgang til denne siden krever autorisasjon. Du kan prøve å endre kataloger.
Denne artikkelen gir en oversikt over spesifikasjonene og egenskapene til modellene for avviksregistrering som er tilgjengelige i Fabric Real-Time Intelligence. Disse modellene er utformet for automatisk å identifisere uvanlige mønstre og uteliggere i datastrømmene dine.
Viktig!
Denne funksjonen er i forhåndsvisning.
Støttede modeller
| Modellnavn | Beskrivelse | Package |
|---|---|---|
| Signal overvåker | Analyserer det underliggende signalet for å oppdage uvanlig atferd, fra subtile skift til skarpe pigger. | TSB-AD - Basert på SR-algoritme |
| Signal Watcher (sesongbasert) | Oppdager et bredt spekter av uvanlig atferd, fra subtile skift til skarpe pigger, ved å analysere det underliggende signalet forsterket med sesongvariasjoner. | TSB-AD - Basert på SR-algoritme |
| Signal Watcher (forbedret sesong) | Oppdager et bredt spekter av uvanlig atferd, fra subtile skift til skarpe pigger, ved å analysere det underliggende signalet, forsterket med komplekse sesongvariasjoner. | TSB-AD - Basert på SR-algoritme |
| Histogram Sentinel | Identifiserer avvik basert på datadistribusjonsmønstre, og gir rask og skalerbar ytelse for store datasett. | TSB-AD - Basert på HBOS-algoritme |
| Mønster nærhet | Bruker k-nærmeste naboer til å oppdage avvik basert på nærheten til datapunkter i funksjonsområdet. Ideell for lokale mønsterskift. | TSB-AD - Basert på KNN-algoritme |
| Kjerne mønsterfinner | Reduserer komplekse data til de mest essensielle mønstrene, noe som gjør det enklere å oppdage subtile og skjulte avvik. | TSB-AD - Basert på PCA-algoritme |
| Bytt piggdetektor | Oppdager skarpe, lokale endringer ved å sammenligne hvordan verdier utvikler seg over tid. | MS utviklet |
| Rullende endringssporing | Sporer trender i bevegelse for å identifisere gradvise endringer i datamønstre. | MS utviklet |
| Avvikende radar | Uthever datapunkter som avviker betydelig fra gjennomsnittet, noe som er nyttig for å oppdage store og plutselige uteliggere. | MS utviklet |
| Robust avviksradar | I likhet med Outlier Radar bruker denne modellen medianen for en mer robust analyse av skjeve data. Den fokuserer på betydelige avvik mens den ignorerer naturlige svingninger. Dette gjør den stabil i støyende omgivelser. | MS utviklet |
| Robust avviksradar (sesongbasert) | Håndterer komplekse datadistribusjoner og inkorporerer sesongbevissthet, noe som gjør den ideell for tilbakevendende mønstre. | MS utviklet |
| Avvik puls | Overvåker signaler for betydelige avvik, optimalisert for å oppdage fremtredende hendelser. | MS utviklet |