Tek değişkenli API'yi Anomali Algılayıcısı en iyi yöntemler

  • Makale
  • Okumak için 3 dakika

Api Anomali Algılayıcısı durum bilgisiz bir anomali algılama hizmetidir. Sonuçlarının doğruluğu ve performansı şu şekilde etki olabilir:

  • Zaman serisi verilerinizin nasıl hazır olduğu.
  • Kullanılan Anomali Algılayıcısı API parametreleri.
  • API isteğinizin veri noktası sayısı.

Verileriniz için en iyi sonuçları almak üzere API'yi kullanmaya yönelik en iyi yöntemler hakkında bilgi edinmek için bu makaleyi kullanın.

Toplu iş (bütün) veya en son (son) nokta anomali algılaması ne zaman kullanılır?

Api Anomali Algılayıcısı nin toplu algılama uç noktası, zaman serisi verilerinizin tamamına kadar anomalileri algılamanıza olanak sağlar. Bu algılama modunda, tek bir istatistiksel model oluşturulur ve veri kümesinde her noktaya uygulanır. Zaman seriniz aşağıdaki özelliklere sahipse, verilerinizi tek bir API çağrısında önizlemek için toplu algılamayı kullanmanızı öneririz.

  • Zaman zaman anomalileri olan bir mevsimsel zaman serisi.
  • Ani artışlar/düşüşler ile düz bir eğilim zaman serisi.

Gerçek zamanlı veri izleme için toplu anomali algılamanın kullanılması veya yukarıdaki özelliklere sahip olmayan zaman serisi verilerde kullanılması önerilmez.

  • Toplu algılama yalnızca bir model oluşturur ve uygular; her nokta için algılama, serinin tamamı bağlamında yapılır. Zaman serisi verileri mevsimsellik olmadan yukarı ve aşağı eğilimler gösterirse, model tarafından bazı değişim noktaları (verilerde düşüşler ve ani artışlar) gözden kaçırılmış olabilir. Benzer şekilde, veri kümesinde daha sonrakilerden daha az önemli olan bazı değişiklik noktaları modele dahil etmek için yeterince önemli olarak sayılamayabilirsiniz.

  • Toplu iş algılama, analiz ediliyor olan nokta sayısı nedeniyle gerçek zamanlı veri izlemesi yaparken en son noktanın anomali durumunu algılamadan daha yavaştır.

Gerçek zamanlı veri izleme için yalnızca en son veri noktanın anomali durumunu algılamanızı öneririz. En son nokta algılamayı sürekli uygulayarak akış verilerini izleme işlemi daha verimli ve doğru bir şekilde gerçek yapılabilir.

Aşağıdaki örnekte, bu algılama modlarının performans üzerindeki etkisi açıklanmıştır. İlk resimde, daha önce görülen 28 veri noktası boyunca anomali durumunun en son noktasını sürekli algılamanın sonucu yer alıyor. Kırmızı noktalar anomalidir.

En son nokta kullanılarak anomali algılamayı gösteren görüntü

Toplu anomali algılama kullanan veri kümesi aşağıda verilmiştir. İşlem için inşa edilen model, dikdörtgenler ile işaretlenmiş birkaç anomaliyi yoksaydı.

Batch yöntemini kullanarak anomali algılamayı gösteren görüntü

Veri hazırlama

Api Anomali Algılayıcısı JSON istek nesnesine biçimlendirilmiş zaman serisi verilerini kabul eder. Zaman serisi, zaman içinde sıralı olarak kaydedilen herhangi bir sayısal veri olabilir. API'nin performansını geliştirmek için zaman serisi verilerinizin pencerelerini Anomali Algılayıcısı API uç noktasına gönderebilirsiniz. Gönderebilirsiniz veri noktası sayısı en az 12, en fazla 8640 noktadır. Ayrıntı ayrıntısı, verilerinizin örnekleme oranı olarak tanımlanır.

Anomali Algılayıcısı API'sinde gönderilen veri noktalarının geçerli bir Eşgüdümlü Evrensel Saat (UTC) zaman damgası ve sayısal bir değere sahip olması gerekir.

{
    "granularity": "daily",
    "series": [
      {
        "timestamp": "2018-03-01T00:00:00Z",
        "value": 32858923
      },
      {
        "timestamp": "2018-03-02T00:00:00Z",
        "value": 29615278
      },
    ]
}

Verileriniz standart olmayan bir zaman aralığında örnekli ise, isteğinize özniteliğini ekleyerek customInterval belirtebilirsiniz. Örneğin, seriniz her 5 dakikada bir örnekli ise, JSON isteğinize aşağıdakini ekleyin:

{
    "granularity" : "minutely", 
    "customInterval" : 5
}

Eksik veri noktaları

Eksik veri noktaları, özellikle de ince ayrıntıya sahip (Küçük bir örnekleme aralığı) eşit dağıtılmış zaman serisi veri kümelerinde yaygındır. Örneğin, birkaç dakikada bir örnek alınan veriler). Verilerinizde beklenen nokta sayısının %10'undan azının eksik olması, algılama sonuçlarınız üzerinde olumsuz bir etkisi olmaması gerekir. Önceki bir dönemdeki veri noktalarını, doğrusal ilişkilendirmeyi veya hareketli ortalamayı doldurmak gibi özelliklerine göre verilerinizdeki boşlukları doldurmayı göz önünde bulundurabilirsiniz.

Dağıtılmış verileri toplama

En Anomali Algılayıcısı API, eşit dağıtılmış bir zaman serisinde en iyi şekilde çalışır. Verileriniz rastgele dağıtılıyorsa dakika başına, saatlik veya günlük gibi bir zaman birimine göre toplamanız gerekir.

Mevsimsel desenlere sahip verilerde anomali algılama

Zaman serisi verilerinizin mevsimsel bir desene (düzenli aralıklarla gerçekleşir) sahip olduğunu biliyorsanız doğruluğu ve API yanıt sürelerini geliştirebilirsiniz.

periodJSON isteğinizi oluşturmak için bir belirtmek, anomali algılama gecikme süresini %50'ye kadar düşürebilecektir. period, serinin bir deseni yinelemek için gereken veri noktası sayısı kabaca belirten bir tamsayıdır. Örneğin, günde bir veri noktası olan bir zaman serisinde olarak, saat başına bir nokta (aynı haftalık düzende) olan bir zaman period 7 serisi de period 7*24 olur. Verilerinizin desenlerini tam olarak emin değilseniz bu parametreyi belirtmenize gerek yok.

En iyi sonuçları elde etmek için period dört veri noktası ve bir veri noktası daha sağlar. Örneğin, yukarıda açıklandığı gibi haftalık bir desene sahip saatlik veriler, istek gövdesinde ( ) 673 veri noktası sağlasa 7 * 24 * 4 + 1 gerekir.

Gerçek zamanlı izleme için örnekleme verileri

Akış verileriniz kısa bir aralıkta (örneğin, saniyeler veya dakikalar) örneklendiyse, önerilen veri noktası sayısını göndermek Anomali Algılayıcısı API'nizin izin verilen maksimum sayısını (8640 veri noktası) aşabilirsiniz. Verileriniz kararlı bir mevsimsel desen gösteriyorsa, saat gibi daha büyük bir zaman aralığında zaman serisi verilerinizin bir örneğini göndermeyi göz önünde bulundurabilirsiniz. Verilerinizi bu şekilde örneklemek, API yanıt sürenizi de önemli ölçüde geliştirebilirsiniz.

Sonraki adımlar